论文部分内容阅读
图像质量评估往往以人类的主观评估为最终衡量标准,然而人工评估耗时繁琐,又无法应用在对图像或者视频序列进行实时质量评估的系统中,因此一种旨在模仿人类主观性的预测图像质量算法具有重要的价值。针对上述问题,设计了一种用于局部图像质量评估的卷积神经网络,通过将特征学习和回归都集成到一个优化过程中,从而形成一种更有效的图像质量评估模型。根据人类的视觉习惯,利用眼动仪的视点分布图生成基于视觉重要性的权重池,利用高斯比例混合模型构造基于图像信息内容的权重池,实验证明权重池的设计可以获得最佳的整体性能。对原始图像进