利用卷积自编码器生成图像失真图及其在无参考图像质量评估中的应用

摘要： 本工作包含两项贡献：(i) 一种无需参考的图像失真图生成算法，用于自然场景中空间定位失真区域；(ii) 基于该失真图衍生的无参考图像质量评估(NRIQA)算法。我们采用卷积自编码器(CAE)实现失真图生成，以SSIM图像质量评估(IQA)算法生成的失真图作为训练CAE的"真实基准"。通过在合成数据集上训练CAE——该数据集由原始图像及其经JPEG压缩、JP2K压缩、高斯白噪声(AWGN)和模糊等标准失真处理后的版本构成，并针对每张失真图像生成对应的SSIM图作为训练依据。我们首先通过传统与真实失真图像定性验证了所提失真图生成算法的鲁棒性，继而通过推导三种NRIQA算法定量证明其在标准失真与真实失真场景中的有效性。实验表明，这些NRIQA算法在LIVE Phase II、CSIQ、TID 2013、LIVE MD、MDID 2013等传统数据库及LIVE Wild、KonIQ-10K等真实失真数据库中均表现优异。该方法生成的优质失真图可用于设计鲁棒的NRIQA算法，且基于CAE的失真图生成方案可便捷适配其他真实基准失真图。