极端学习机在立体图像质量客观评价中的应用-论文.pdf

《极端学习机在立体图像质量客观评价中的应用-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、光电字·激光第25卷第9期2014年9月JournalofOptoelectronics·LaserVo1．25No．9September2014极端学习机在立体图像质量客观评价中的应用王光华，李素梅，朱丹，杨建(天津大学电子信息工程学院，天津300072)摘要：基于传统神经网络训练速度慢、易陷入局部极小值和泛化性能低等问题，提出采用极端学习机(ELM，extremelearningmachine)对立体图像质量进行了客观评价。ELM是单隐层前馈神经网络(SLFNs)的泛化，输人权重可以随机赋值并通过解析获

2、得输出权值。与传统神经网络算法相比，ELM算法具有参数选择简单、学习速度快及泛化性能好等优点。实验结果表明，以sigmoid为激励函数，对241幅不同等级的立体图像测试样本进行测试，其正确等级分类率达到93．85。研究了不同激励函数条件下不同隐藏层节点数对极端学习机网络性能的影响，且将ELM和传统BP及支持向量机(SVM)在立体图像质量评价中的性能进行了分析比较。关键词：极端学习机(ELM)；立体图像；支持向量机(SVM)；客观评价中图分类号：TP391．4文献标识码：A文章编号：1005—0086(201

3、4)09—1837—06ApplicationofextremelearningmachineinobjectivestereoscopicimagequalityassessmentWANGGuang-hua，LISu-mei，ZHUDan，YANGJian(SchoolofElectronicInformationEngineering，TianjinUniversity，Tianjin300072，China)Abstract：Thestereoscopicimagequalityassessment

4、hasbecomeoneofthepopulartopicsinthefieldofthree-dimensionalimaging．Duetotheslowtrainingspeed，easilyfallingintolocalminimumandthelOWgeneralizationintraditionalneuralnetwork，theextremelearningmachine(ELM)algorithmispresentedforobjectivestereoscopicimagequali

5、tyassessmentinthispaper．ELMworksforgeneralizedsingle-hid—denlayerfeedforwardneuralnetworks(SLFNs)，whichrandomlychoosestheinputweightsandanalyti—callydeterminestheoutputweightsofSLFNs．Comparedwithtraditionalneuralnetworkalgorithms，ELMnotonlyiseasiertoselect

6、theparameters，butalsokeepstheadvantageofextremelyfastlearningspeedandachievesbettergeneralizationperformance，andiswidelyappliedinthefieldoffunctionap—proximationsandpatternrecognition．Experimentalresultsshowthatthecorrectclassificationrateof241diferentleve

7、lsoftestsampleswithsigmoidactivationfunctionis93．85．Atthesametime，thepapernotonlystudiestheeffectsofdifferenthiddenlayernodesforELMindifferentactivationfunctions，butalsoperformsananalysisandcomparisonoftheperformanceamongELM，traditionalbackpropagation(BP)a

8、ndsupportvectormachine(SVM)instereoscopicimagequalityassessment．Keywords：extremelearningmachine(ELMI)；stereoscopicimage；supportvectormachine(s、)；ob—jectiveassessment种。前者主要是感知者凭主观感受评价被测试图1引言像的质量，虽然能够获得较准确的图像评价