[发明专利]一种基于集成学习与随机森林的图像质量评价方法

摘要

一种基于集成学习与随机森林的图像质量评价方法，其可大大提高图片质量评价的准确度，其具体实现步骤如下：（1）选择六种基学习算法，（2）采用步骤（1）所选择的基学习算法对失真图像进行打分，（3）将打分后的分数组成训练数据，（4）使用训练数据建立深度随机森林模型，深度随机森林模型包括包括K层训练步骤，经每层训练步骤中的随机森林过滤后得出过滤特征，将过滤特征与原始特征结构构成强化特征，将强化特征作为下一层训练步骤的输入值进行训练，循环往复，直至最后一层，最后一层训练步骤得出的数据作为失真图像的分数。

主权项

1.一种基于集成学习与随机森林的图像质量评价方法，其具体实现步骤如下：(1)选择基学习算法；(2)采用步骤(1)所选择的所述基学习算法对失真图像进行打分；(3)将打分后的分数组成训练数据；(4)使用步骤(3)组成的所述训练数据建立随机森林模型；其特征在于：在步骤(1)中选择至少两种所述基学习算法；步骤(4)中所述随机森林模型为深度随机森林模型，采用所述深度随机森林模型进行训练，所述深度随机森林模型包括K层训练步骤，K为正整数，每层所述训练步骤均为一个随机森林，每层所述训练步骤的具体步骤如下：A1，采用步骤(4)中所述随机森林模型对每幅所述失真图像进行特征过滤得出过滤特征；A2，将所述过滤特征与原始特征结合，筛选出强化特征，所述原始特征为经所述步骤(2)得出的对原始的所述失真图像的打分分数；A3，将所述强化特征作为所述深度随机森林模型的下一层随机森林的训练数据进行训练；A4，重复A1‑A3的过程，直至第K层的训练步骤，第K层的训练步骤得出的训练数据作为所述失真图像的最终分数。