面向印刷质量控制的元学习盲图像质量评价方法
【摘要】 目的为了更好地检测印刷图文复制效果，提高生产效率，提出一种针对图像复杂失真和内容变化的元学习盲图像质量评价模型。方法首先在元训练部分，通过ResNet50网络获取多个失真数据集的共有失真先验知识;然后在元测试部分，融合ResNet50的多层次特征，实现对图像局部失真和全局失真的完整描述;最后通过特征降维、融合获得多层次特征的权值，建立图像质量评价网络模型。结果模型在真实失真数据集LIVEC上SRCC达到0.87以及在合成失真数据集LIVE上SRCC达到0.97，且模型的预测性能和泛化性能都要优于其他算法。结论所提出的元学习盲图像评价方法能够准确预测不同类型图像质量分数，可为印刷图像质量评价和印刷生产控制提供一定指导。
