- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
一种用于无参考图像质量评估的新型基于补丁方差偏置的卷积神经网络
摘要： 深度卷积神经网络（CNN）已成功应用于符合人类感知的无参考图像质量评估（NR-IQA）。现有方法大多处理小尺寸图像块，并通过测试块的平均得分预测整图质量。我们发现，来自均匀区域的图像块对神经网络训练和最终质量评分估计均不可靠。此外，具有复杂结构的图像块更有可能实现更优的图像质量预测。基于这些发现，我们改进了传统基于CNN的NR-IQA算法，避免使用均匀块进行网络训练和质量评分估计。同时采用基于方差的加权平均法，使最终质量评分向复杂结构图像块倾斜。实验结果表明，相比知名NR-IQA算法，这种简单方法能达到最先进的性能水平。
关键词： 深度学习，无参考图像质量评估，卷积神经网络
更新于2025-09-23 15:22:29
-
用于无参考图像质量评估的多池化初始特征
摘要： 图像质量评估（IQA）是涵盖自动视频流传输到显示技术等广泛应用领域的重要环节。此外，图像质量测量需要对图像内容和特征进行平衡分析。我们提出的方法通过在ImageNet数据库预训练的卷积神经网络（CNN）多个Inception?？樯细郊尤制骄鼗℅AP）层来提取视觉特征。与先前方法不同，我们不从输入图像中截取图像块，而是将整幅输入图像通过预训练CNN主体处理，以提取分辨率无关的多层次深度特征。因此，本方法可轻松推广至任意尺寸输入图像和预训练CNN模型。我们针对CNN基础架构及不同深度特征的有效性进行了详细参数研究，证明最优方案——MultiGAP-NRIQA能在三个基准IQA数据库上超越现有最先进技术，该结果在使用LIVE野外图像质量挑战数据库的跨数据库测试中也得到验证。
关键词： 深度学习、无参考图像质量评估、卷积神经网络
更新于2025-09-23 15:19:57
-
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。
关键词： 卷积神经网络，无参考图像质量评估（IQA），人类视觉系统（HVS），自编码器
更新于2025-09-11 14:15:04
-
基于语义信息的盲图像质量评估
摘要： 无参考（NR）图像质量评估（IQA）旨在无需参考图像的情况下评估图像质量，这在自动视觉信号处理系统中具有重要需求。失真会降低视觉内容并影响人类感知过程中的语义获取。尽管现有方法基于结构、纹理或统计特性评估图像质量并实现了较高的预测精度，但均未考虑空间语义因素。从人类感知视角看，失真会削弱表征结构信息的结构语义，并干扰描述图像内容的空间语义。因此，我们尝试通过图像语义的退化程度来衡量图像质量。为提取图像语义，本文提出了一种包含卷积神经网络（CNN）和长短期记忆网络（LSTM）的语义网络——前者对应结构语义（可视为对人类视觉机制的粗略模拟以获取结构信息），后者用于表达图像内容。通过测量不同语义在图像上的退化情况，进而提出一种新型无参考图像质量评估方法。该方法在LIVE、CSIQ、TID2013、LIVE多失真数据库及LIVE野外图像质量挑战数据库上进行评估，结果表明其性能优于其他先进无参考图像质量评估方法。此外，我们还探究了该方法的泛化能力，实验结果显示其具有高度鲁棒性。
关键词： 空间语义、无参考图像质量评估、结构语义、人类感知、语义网络
更新于2025-09-09 09:28:46
-
单重与多重失真立体图像的统一无参考质量评估
摘要： 在多重失真立体图像（MDSIs）的无参考质量评估中，一个具有挑战性的问题是如何在混合类型失真下模拟单目和双眼视觉特性。由于MDSIs中多种失真的联合效应，其潜在的单目和双眼视觉机制与单一失真立体图像（SDSIs）的表现存在差异。本文通过学习单目和双眼局部视觉基元（MB-LVPs），提出了一种适用于SDSIs和MDSIs的统一无参考质量评估方法。核心思想是通过MB-LVPs来表征视觉皮层对SDSIs和MDSIs响应的局部感受野特性。此外，我们考虑应以任务驱动方式学习基元，因此在监督字典学习框架中联合最小化重建误差和质量不一致性两个惩罚项，为每种单一及多重失真模式生成一组面向质量的MB-LVPs。给定输入立体图像时，使用学习到的MB-LVPs作为码本进行特征编码，从而获得相应的单目和双眼响应。最后，通过模态特定的稀疏重建误差确定概率权重，融合所有模态的响应，得到用于质量回归的最终单目和双眼特征。该方法在多个SDSI和MDSI数据库上验证了其优越性。
关键词： 多重失真、单重失真、感受野、单目与双目视觉、立体图像、局部视觉基元、无参考图像质量评估
更新于2025-09-09 09:28:46
-
[2018年IEEE国际多媒体与博览会研讨会(ICMEW) - 美国加利福尼亚州圣地亚哥(2018年7月23日-7月27日)] 2018年IEEE国际多媒体与博览会研讨会(ICMEW) - 基于多尺度与多层信息的色调映射高动态范围图像质量评估
摘要： 色调映射算子与多曝光融合方法让我们能通过标准动态范围设备欣赏高动态范围（HDR）图像的丰富信息，但同时也会引入HDR内容的失真。因此需要评估色调映射图像质量的方法。鉴于色调映射图像中可能存在的复杂失真，在预测其质量时应考虑不同尺度与层次的信息。为此我们提出一种基于多尺度多层特征的新型无参考色调映射图像质量评估方法——这些特征从预训练的深度卷积神经网络模型中提取，经聚合后通过回归映射至质量预测值。本方法在最大的公开TMIQA数据库上测试并与现有无参考方法对比，实验结果表明该方法具有更优性能。
关键词： 多尺度多层级、色调映射的高动态范围图像，无参考图像质量评估
更新于2025-09-09 09:28:46
-
基于多尺度局部二值模式的盲图像质量评估
摘要： 本文提出了一种新的无参考图像质量评估方法，能够盲测图像质量。该方法基于采用纹理描述符的机器学习技术。在所提方法中，通过多尺度局部二值模式（MLBP）算子将图像分解为纹理信息来计算纹理特征。具体而言，通过改变局部二值模式算子的参数生成MLBP算子。用于训练预测算法的特征是这些MLBP通道的直方图。结果表明，与其它最先进的无参考方法相比，该方法在预测精度和计算复杂度方面具有竞争力。
关键词： 机器学习，多尺度局部二值模式，纹理描述符，无参考图像质量评估
更新于2025-09-09 09:28:46
-
基于自然场景统计的无参考图像质量评估特征选择算法
摘要： 图像在我们的日常生活中扮演着重要角色，各类成像应用的性能取决于用户的体验质量。无参考图像质量评估（NR-IQA）无需借助原始无失真图像的先验信息，就能评估主观感知质量，因而日益受到重视。不同基于自然场景统计的NR-IQA技术通过特征群组分类失真类型，并利用这些特征估算图像质量评分。然而每种失真对特定特征集合的影响各异。本文提出一种新型特征选择算法，用于基于失真识别的图像保真度与综合评估——该算法为每类失真选取独特的特征群组。其筛选机制基于各特征对斯皮尔曼等级相关系数（SROCC）得分的贡献度，仅采用多数特征SROCC值高于全体特征均值SROCC值的特征群组构建预测模型。在三个常用数据库的测试中，本NR-IQA特征选择算法相比前沿NR-IQA技术及其他特征选择算法展现出更优性能。
关键词： 特征选择、无参考图像质量评估、分类、基于失真识别的图像验证与综合评价、支持向量回归
更新于2025-09-04 15:30:14