基于視覺感知建模和表征學習的圖像質(zhì)量評價.pdf

1、隨著網(wǎng)絡(luò)服務、移動設(shè)備和大容量存儲設(shè)備的普及，數(shù)字圖像在我們?nèi)粘Ｉ詈凸ぷ髦邪缪葜絹碓街匾慕巧Ｈ欢?，在獲取、壓縮、傳輸和存儲等過程中，圖像數(shù)據(jù)不可避免地會產(chǎn)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(guān)算法的性能。隨著數(shù)字視覺信息的爆炸性增長，預測圖像質(zhì)量變得越來越有意義和價值?？陀^圖像質(zhì)量評價的目的是自動預測圖像的視覺感知質(zhì)量，并希望算法的預測結(jié)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(zhì)量評價。無參考的質(zhì)量評價算法在評價圖像質(zhì)量時不需要相應的高質(zhì)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(zhì)量評價模型。人類視覺系統(tǒng)存在一套內(nèi)在生成機制來感知視覺信號。根據(jù)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(lián)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(zhì)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(guān)實驗在三個廣泛使用的數(shù)據(jù)集上的結(jié)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(zhì)量評價問題，本文提出了一個基于卷積神經(jīng)網(wǎng)絡(luò)的無參考圖像質(zhì)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(zhì)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