無人機在航拍過程中,由于受太陽光及大氣環(huán)境、無人機姿態(tài)變化等因素干擾,導(dǎo)致采集圖像出現(xiàn)失真,對后續(xù)信息處理造成不利影響。針對上述問題,提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的無參考航拍圖像質(zhì)量評價方法,并將其應(yīng)用于航拍圖像增強處理中。首先,設(shè)計了一種多層卷積神經(jīng)網(wǎng)絡(luò)。網(wǎng)絡(luò)包括5層卷積層、5層池化層和3層全連接層;其次,進行卷積層和池化層多層堆疊學習圖像特征信息。最后,將學習到的特征通過三層全連接層的回歸與分類得到航拍圖像質(zhì)量分數(shù)。在自建的失真航拍圖像庫中進行實驗表明,所提方法預(yù)測出的航拍圖像質(zhì)量分數(shù)與人眼視覺感知具有較高一致性,且在航拍圖像增強領(lǐng)域應(yīng)用效果較好。 

【文章來源】：計算機仿真. 2020,37(04)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

網(wǎng)絡(luò)設(shè)計該網(wǎng)絡(luò)結(jié)構(gòu)包含5個卷積層、5個池化層和3個全連接層。卷積層之間是非線性映射層,前5層卷積層用來提取圖像特征信息;前5層池化層用來降低特征圖的維數(shù);后3層全連接層用于圖像分類。網(wǎng)絡(luò)的輸入節(jié)點是預(yù)處理后的圖像塊,網(wǎng)絡(luò)輸出節(jié)點是預(yù)測出的每個小塊的圖像質(zhì)量分數(shù)。具體網(wǎng)絡(luò)結(jié)構(gòu)如下圖2所示。

本文選取了不同特征場景下的500幅不同程度的失真圖像,每幅圖像大小為1000×1000像素。為了擴充失真航拍圖像數(shù)據(jù)庫,使實驗結(jié)果更加精準、可靠,將每幅圖像裁剪成100像素的圖像塊。那么,原始航拍圖像被裁剪為5000幅圖像小塊,每個小塊的質(zhì)量分數(shù)與原圖相同,部分裁剪結(jié)果如下圖3所示。4.3 實驗參數(shù)設(shè)置

【參考文獻】：
期刊論文
[1]多失真混雜的無人機圖像質(zhì)量盲評價[J]. 李從利,薛松,陸文駿.  中國圖象圖形學報. 2017(01)
[2]基于清晰度和亮度的航拍圖像質(zhì)量評價方法[J]. 隋傳賓,穆海坤,段寧.  江西建材. 2015(20)
[3]基于HVS的圖像質(zhì)量評價方法研究[J]. 蔣未芳,楊培楨,張洪英,張杰良.  計算機仿真. 2015(05)



本文編號：3219912