基于視覺感知建模和表征學習的圖像質量評價.pdf

1、隨著網絡服務、移動設備和大容量存儲設備的普及，數字圖像在我們日常生活和工作中扮演著越來越重要的角色。然而，在獲取、壓縮、傳輸和存儲等過程中，圖像數據不可避免地會產生不同程度的失真。這些失真會影響人們在感知圖像時的體驗，也會影響圖像處理和理解等相關算法的性能。隨著數字視覺信息的爆炸性增長，預測圖像質量變得越來越有意義和價值?？陀^圖像質量評價的目的是自動預測圖像的視覺感知質量，并希望算法的預測結果和人眼主觀感受保持一致。本文的研究主要是針對

2、無參考的圖像質量評價。無參考的質量評價算法在評價圖像質量時不需要相應的高質量參考圖像的任何信息。本文的貢獻和創(chuàng)新點如下:
　　(1)本文提出了一種基于視覺感知特性的無參考圖像質量評價模型。人類視覺系統(tǒng)存在一套內在生成機制來感知視覺信號。根據這種機制，我們可以將輸入圖像分解成一個有序部分和一個無序部分。本文從圖像有序部分提取了其梯度幅值圖和高斯拉普拉斯響應圖，并將它們整合成為聯合特征。對圖像無序部分，本文從中提取了局部二值模式分布直

3、方圖。實驗證明這兩組特征對于預測圖像質量具有互補性。因此，本文將這兩組特征進行拼接并用以訓練回歸模型。相關實驗在三個廣泛使用的數據集上的結果顯示了本文模型的優(yōu)秀性能。
　　(2)為了解決更加復雜的真實失真圖像質量評價問題，本文提出了一個基于卷積神經網絡的無參考圖像質量評價模型，該模型簡單有效。我們使用圖像塊進行模型的訓練。圖像塊并不是簡單地共享其對應的整張圖像的質量得分標簽。本文提出了一種所謂噪聲標簽的方式用來給每個圖像塊賦予訓練