关键词image quality evaluation
搜索结果 - 3
- 基于预训练深度神经网络的图像质量评估与掩模算法
本研究提出了一种基于深度学习的图像质量评估算法,利用自编码器学习高质量天文图像的特征,从而实现自动评估图像质量和噪声区域的遮盖,提高数据处理效率。该算法经过两种情景的测试,证明能够有效识别点扩散函数和复杂背景所影响的区域,可用于不同的天文巡 - 使用层叠技术进行压缩图像质量评估
在这项研究中,研究者采用了一种基于融合的方法对压缩图像质量进行评估,通过利用畸变特定的度量方法并结合全参考和非参考模型的结果,可提高对压缩图像质量的评估准确性,达到了 79.6%的质量基准准确率,证明了该融合方法的有效性。
- 无监督深度多焦点图像融合
本文介绍了一种基于卷积神经网络的无监督端到端学习方法,可以直接从多焦点输入图像对中预测完全聚焦的输出图像,并利用图像结构相似性 (SSIM) 计算损失。实验结果表明,该方法在视觉质量和客观度量方面优于现有的最先进技术。