無(wú)人機(jī)在航拍過(guò)程中,由于受太陽(yáng)光及大氣環(huán)境、無(wú)人機(jī)姿態(tài)變化等因素干擾,導(dǎo)致采集圖像出現(xiàn)失真,對(duì)后續(xù)信息處理造成不利影響。針對(duì)上述問(wèn)題,提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的無(wú)參考航拍圖像質(zhì)量評(píng)價(jià)方法,并將其應(yīng)用于航拍圖像增強(qiáng)處理中。首先,設(shè)計(jì)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(jìn)行卷積層和池化層多層堆疊學(xué)習(xí)圖像特征信息。最后,將學(xué)習(xí)到的特征通過(guò)三層全連接層的回歸與分類(lèi)得到航拍圖像質(zhì)量分?jǐn)?shù)。在自建的失真航拍圖像庫(kù)中進(jìn)行實(shí)驗(yàn)表明,所提方法預(yù)測(cè)出的航拍圖像質(zhì)量分?jǐn)?shù)與人眼視覺(jué)感知具有較高一致性,且在航拍圖像增強(qiáng)領(lǐng)域應(yīng)用效果較好。 

【文章來(lái)源】：計(jì)算機(jī)仿真. 2020,37(04)北大核心

【文章頁(yè)數(shù)】：5 頁(yè)

【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(jì)該網(wǎng)絡(luò)結(jié)構(gòu)包含5個(gè)卷積層、5個(gè)池化層和3個(gè)全連接層。卷積層之間是非線性映射層,前5層卷積層用來(lái)提取圖像特征信息;前5層池化層用來(lái)降低特征圖的維數(shù);后3層全連接層用于圖像分類(lèi)。網(wǎng)絡(luò)的輸入節(jié)點(diǎn)是預(yù)處理后的圖像塊,網(wǎng)絡(luò)輸出節(jié)點(diǎn)是預(yù)測(cè)出的每個(gè)小塊的圖像質(zhì)量分?jǐn)?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(chǎng)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(kuò)充失真航拍圖像數(shù)據(jù)庫(kù),使實(shí)驗(yàn)結(jié)果更加精準(zhǔn)、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(gè)小塊的質(zhì)量分?jǐn)?shù)與原圖相同,部分裁剪結(jié)果如下圖3所示。4.3 實(shí)驗(yàn)參數(shù)設(shè)置

【參考文獻(xiàn)】：
期刊論文
[1]多失真混雜的無(wú)人機(jī)圖像質(zhì)量盲評(píng)價(jià)[J]. 李從利,薛松,陸文駿.  中國(guó)圖象圖形學(xué)報(bào). 2017(01)
[2]基于清晰度和亮度的航拍圖像質(zhì)量評(píng)價(jià)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(píng)價(jià)方法研究[J]. 蔣未芳,楊培楨,張洪英,張杰良.  計(jì)算機(jī)仿真. 2015(05)



本文編號(hào)：3219912