圖像質(zhì)量評價旨在評估成像系統(tǒng)還原拍攝主體真實色彩及紋理的能力。結合評價結果,圖像效果工程師可以針對性地優(yōu)化圖像處理算法及其參數(shù),盡可能地提升用戶對圖像的主觀感受。近年來研究領域多采用深度學習的方式評價圖像質(zhì)量,這類方法能夠在現(xiàn)有數(shù)據(jù)集上獲得較高的準確率,但是因為神經(jīng)網(wǎng)絡仍存在很多不可解釋性,很難應用于工程領域指導圖像處理算法的優(yōu)化過程。工程領域在解決圖像質(zhì)量評價問題時通常采用以像質(zhì)專家為中心的解決方案,但是專家在整個流程中會不同程度地引入自己的個人想法,有時不能得到客觀的結果。而且人工評價圖像相當耗時,導致實際工程中單次迭代周期很長,效率低下。因此有必要設計一套基于數(shù)字圖像處理和機器學習模型的自動化像質(zhì)評價輔助決策系統(tǒng),在提升專家評測效率的同時使用多種客觀參數(shù)保證專家評價結果的有效性。在手機圖像質(zhì)量評價輔助決策系統(tǒng)的研制與開發(fā)任務中,本文進行了如下工作:(1)分析工程領域圖像質(zhì)量評價項目的一般流程,總結工程項目中存在的問題:評測結果受專家主觀情緒干擾,不同專家結果不一致,評測周期長,像質(zhì)專家數(shù)量不足;(2)根據(jù)工程項目流程設計了手機圖像質(zhì)量評價輔助決策系統(tǒng)的系統(tǒng)架構,使用場景描述,關注...

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 工程領域研究
        1.2.2 學術領域研究
    1.3 本文組織結構
2 系統(tǒng)功能設計
    2.1 需求調(diào)研
    2.2 問題建模
    2.3 系統(tǒng)總體架構
    2.4 模塊設計
3 輔助決策系統(tǒng)實現(xiàn)
    3.1 場景描述模塊
    3.2 關注區(qū)域分割模塊
        3.2.1 基于FCN的語義分割
        3.2.2 基于MTCNN的人臉檢測
        3.2.3 基于邊緣信息分析的分割
    3.3 圖像質(zhì)量評價模塊
        3.3.1 曝光評估
        3.3.2 對焦評估
        3.3.3 色偏評估
        3.3.4 細節(jié)評估
        3.3.5 噪聲評估
    3.4 像質(zhì)打分模塊
        3.4.1 圖像打分
        3.4.2 參數(shù)自學習
4 系統(tǒng)測試
    4.1 工程數(shù)據(jù)集簡介
    4.2 系統(tǒng)測試結果
    4.3 誤判樣例分析
結論
參考文獻
攻讀碩士學位期間發(fā)表學術論文情況
致謝



本文編號：3929615