计算机应用

作者：曹玉东, 蔡希彪

单位：辽宁工业大学 电子与信息工程学院, 辽宁 锦州 121001

关键词：无参考图像质量评价,生成对抗网络,深度学习,生成模型,判别模型

基金：国家自然科学基金资助项目（61772171）；辽宁省自然科学基金资助项目（2019ZD0702）。

为了提高无参考图像质量评价（NR-IQA）方法的性能，参考先进的深度生成对抗网络（GAN）研究成果，提出一种基于增强型对抗学习的无参考图像质量评价算法，即通过改进损失函数、网络模型结构来增强对抗学习强度，输出更可靠的模拟“参考图”，进而可以像全参考图像质量评价（FR-IQA）方法一样模拟人的视觉比较过程。首先，利用数据集中失真的图像和未失真的原图像作为输入，从而基于增强对抗学习来训练网络模型；然后，利用该模型输出待测图像的模拟仿真图，提取仿真图的深度卷积特征；最后，将仿真图和待测失真图的卷积特征相融合，并输入到训练好的图像质量评价回归网络，输出图像的评测分数。在LIVE、TID2008和TID2013数据集上完成实验。实验结果表明，所提算法在图像质量上的总体客观评价性能优于当前的主流算法，与人的主观评价表现出的性能相一致。

来源：2020年第11期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第11期