分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-06-19 合作期刊: 《计算机应用研究》
摘要: 针对图像失真分类问题,提出了一种基于Gabor小波和CNN(convolutional neural network,卷积神经网络)的失真类型判定新算法。该算法先利用Gabor小波的良好特性对图像进行特征粗提取,再通过改进的CNN进一步提取关键特征。算法步骤包括:首先对图像进行预处理(包括标签设定、样本均衡和样本扩充);然后对预处理后的图像进行8方向的Gabor小波变换,并将不同方向的子带叠加构成输入样本;最后通过自行设计的CNN和Softmax分类器对样本进行训练,训练的过程中采用随机梯度下降和反向误差传播的方法对卷积核参数进行优化得到最终模型。利用训练好的模型进行失真类型判定实验,在LIVE标准图像库上分类正确率达到95.62%,表明本算法具有较高的准确性和鲁棒性。