基于场景分类的图像质量评价-控制科学与工程专业论文.docxVIP

万方数据 万方数据 摘要 摘要 基于场景分类的图像质量评价 摘要 随着计算机与数字多媒体的迅速发展，图像的场景理解与质量评价 迅速成为迫切需要解决的问题。本文的工作主要分为两大类：图像场景 分类算法研究与图像质量评价算法研究。 本文首先从场景图像中提取传统的特征描述子，并使用 ScSPM 方 法来对所提取出来的特征进行编码，以减小特征之间的重复性，提高分 类准确率。本文提出了组合贝叶斯网络分类模型，组合贝叶斯网络是在 贝叶斯网络与随机森林算法的基础上提出的一种分类算法。经过大量实 验验证，组合贝叶斯网络继承了贝叶斯网络与随机森林的优点。组合贝 叶斯网络方法能快速的对数据集进行分类，并且拥有贝叶斯网络的特征 之间关系的可视化的优点，保持了贝叶斯网络概率模型。同时组合贝叶 斯网络又具有随机森林算法的不过拟合的特性，并且能够通过分析得到 数据集内部的变量之间的重要性排名。使用本文提出的组合贝叶斯网络 算法能够快速准确得到场景的分类结果。 在场景分类的基础上，本文提出了一种评价图像质量的方法。通过 场景分类，可以得到图像的内容，从而针对不同的图像内容使用不同的 目标区域提取的方案。本文根据图像的色彩与结构特点提出了新的全局 特征和局部特征来评价图像质量，并且这些特征有较高的准确率。通过 在大量数据集上所做的大量实验可以显示出目标区域提取方法和所提 出的特征在不同种类的图像中都能够取得理想的分类效果。 I 关键字：ScSPM，场景分类，组合贝叶斯网络，图像质量评价，目标区 域提取，局部特征，全局特征 II AB ABSTRACT IMAGE QUALITY ASSESSMENT BASED ON SCENE CLASSIFICATION ABSTRACT With the development of computer and multimedia, scene understanding and image quality assessment have been the urgent problem to solve. The main work of this paper is divided into two main categories: scene classification and image quality assessment. Firstly, we extract traditional feature descriptors from the images, and encode these features with ScSPM methods, which is to reduce the reproducibility and improve the accuracy of classification. And then, we propose a novel model called Ensemble Bayesian Networks which is combination of Bayesian networks and random forests algorithm. Finally, with a large number of experimental verification, the Ensemble Bayesian Networks shows a good performance on classification. It has the advantages of both Bayesian networks and random forests. The Ensemble Bayesian Networks can classify the database quickly and the relationships of different variables are visual. Also the method does not over fit while classification, and it can get the importance of different variables. Based on the scene classification, we present a novel method to evaluate the image quality. We can obtain the content of images by the scene classification. We use different target area extracting methods according to III the content of th