基于BP神经网络的图像质量评价参数优化 (2011年)

在基于噪声图像的无参考峰值信噪比质量评价方法中,为了得到最优的闺值参数,提出以图像块均方误差I4}值thresholdl、噪声检MR!14值threshold2为输入因子,以Pearson相关系数和Spearman等级相关系数为输出因子,以实验值为样本建立[272]单隐层BP神经网络模型,应用BP神经网络的泛化能力实现对相关闺值参数的预测优化,为闺值参数的选择提供理论依据。实验结果表明,所建立的数学模型可靠,预测结果与试验值的偏差小,训练好的BP神经网络能够比较准确地预测不同闺值参数下的相关系数。优化后,