一种基于深度卷积神经网络的图像质量测试方法

摘要

本发明公开了一种基于深度卷积神经网络的图像质量测试方法，包括以下步骤：首先建立样本集，然后构建深度卷积神经网络模型，再在不同的初始条件下对深度卷积神经网络模型进行训练，将多次训练得到的最优深度卷积神经网络模型并联连接，得到图像质量测试系统，使用得到的图像质量测试系统对测试图片进行测试。本发明通过模拟人类大脑学的过程进行特征学，克服了现有的图像质量测试方法中特征选取难的问题，并且降低了预测结果的偶然性，集成性比较高，泛化能力强，测试效果好。

主权项

一种基于深度卷积神经网络的图像质量测试方法，其特征在于，包括以下步骤：（1）建立训练样本集：所述训练样本集中的训练图片选自图像质量评价数据库；（2）构建深度卷积神经网络模型：深度卷积神经网络模型包括依次连接的第一卷积层、第一抽取层、第二卷积层、第二抽取层、第三卷积层、第三抽取层和一个全连接层；（3）训练深度卷积神经网络模型：初始化后，采用随机梯度下降法对步骤（2）构建的深度卷积神经网络模型进行迭代，每迭代一次检测一次梯度，以寻求网络层权重和偏置的最优解，迭代多次后得到本次训练的最优深度卷积神经网络模型；（4）改变初始化条件，重复步骤（3）n次，得到n个最优深度卷积神经网络模型；1≤n≤4；（5）组装深度卷积神经网络模型：将步骤（3）和步骤（4）得到的n+1个最优深度卷积神经网络模型并联连接，得到图像质量测试系统；（6）利用步骤（5）得到的图像质量测试系统对测试图片进行质量测试。