[发明专利]一种基于深度神经网络的图像质量评估方法

权利要求书

1.基于深度神经网络的图像质量评估方法，其特征在于，包含下列步骤：

构建深度神经网络VGG-16模型并对深度神经网络VGG-16模型中的损失层进行改进得到改进后的深度神经网络VGG-16模型；

对改进后的深度神经网络VGG-16模型进行预训练；

选定训练样本和测试样本对深度神经网络VGG-16模型进行训练和评估；

采用训练好的深度神经网络VGG-16模型对待测试的图像评估打分；

对深度神经网络VGG-16模型中的损失层进行改进的方法如下:

采用欧氏距离损失函数计算样本估计值和对应标签之间的均方差，即均方根误差，如公式(1)所示：

其中，Loss为能量损失值，y′_n为真实质量评估值，y_n为预测的质量评估值，N为样本数量。

2.根据权利要求1所述的基于深度神经网络的图像质量评估方法，其特征在于，选择TID2013数据库作为训练样本库，随机选取其中的90％作为训练样本，剩下的10％作为测试样本。

3.根据权利要求1所述的基于深度神经网络的图像质量评估方法，其特征在于，

对深度神经网络VGG-16模型进行训练和评估包括：

将训练样本和测试样本中的全部图像归一化到224×224大小；

将图像质量评估数据库中的全部图像对应的真实标签归一化，并生成对应训练样本和测试样本的标签。

4.根据权利要求1中所述的基于深度神经网络的图像质量评估方法，其特征在于，在训练过程中，设定初始学习率为0.0001，并按照dropout层中丢失率为0.5随机地丢失50％的参数。

5.根据权利要求1所述的基于深度神经网络的图像质量评估方法，其特征是,采用训练好的深度神经网络VGG-16模型对待测试的图像评估打分的方法包括：

步骤S41，将所有测试图像的大小调整为224×224；

步骤S42，利用训练好的深度神经网络模型对所有测试图像进行测试，获得相应的图像质量打分；

步骤S43，对比所有测试图像中的真实图像质量打分，计算得到对应图像质量评估的损失。

6.根据权利要求1中所述的基于深度神经网络的图像质量评估方法，其特征在于，在ImageNet数据库上对改进后的深度神经网络VGG-16模型进行预训练。