基于視覺感知建模和表征學(xué)習(xí)的圖像質(zhì)量評(píng)價(jià).pdf

1、隨著網(wǎng)絡(luò)服務(wù)、移動(dòng)設(shè)備和大容量存儲(chǔ)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?。然而，在獲取、壓縮、傳輸和存儲(chǔ)等過程中，圖像數(shù)據(jù)不可避免地會(huì)產(chǎn)生不同程度的失真。這些失真會(huì)影響人們?cè)诟兄獔D像時(shí)的體驗(yàn)，也會(huì)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(zhǎng)，預(yù)測(cè)圖像質(zhì)量變得越來越有意義和價(jià)值。客觀圖像質(zhì)量評(píng)價(jià)的目的是自動(dòng)預(yù)測(cè)圖像的視覺感知質(zhì)量，并希望算法的預(yù)測(cè)結(jié)果和人眼主觀感受保持一致。本文的研究主要是針對(duì)

2、無(wú)參考的圖像質(zhì)量評(píng)價(jià)。無(wú)參考的質(zhì)量評(píng)價(jià)算法在評(píng)價(jià)圖像質(zhì)量時(shí)不需要相應(yīng)的高質(zhì)量參考圖像的任何信息。本文的貢獻(xiàn)和創(chuàng)新點(diǎn)如下:
　　(1)本文提出了一種基于視覺感知特性的無(wú)參考圖像質(zhì)量評(píng)價(jià)模型。人類視覺系統(tǒng)存在一套內(nèi)在生成機(jī)制來感知視覺信號(hào)。根據(jù)這種機(jī)制，我們可以將輸入圖像分解成一個(gè)有序部分和一個(gè)無(wú)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(yīng)圖，并將它們整合成為聯(lián)合特征。對(duì)圖像無(wú)序部分，本文從中提取了局部二值模式分布直

3、方圖。實(shí)驗(yàn)證明這兩組特征對(duì)于預(yù)測(cè)圖像質(zhì)量具有互補(bǔ)性。因此，本文將這兩組特征進(jìn)行拼接并用以訓(xùn)練回歸模型。相關(guān)實(shí)驗(yàn)在三個(gè)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(fù)雜的真實(shí)失真圖像質(zhì)量評(píng)價(jià)問題，本文提出了一個(gè)基于卷積神經(jīng)網(wǎng)絡(luò)的無(wú)參考圖像質(zhì)量評(píng)價(jià)模型，該模型簡(jiǎn)單有效。我們使用圖像塊進(jìn)行模型的訓(xùn)練。圖像塊并不是簡(jiǎn)單地共享其對(duì)應(yīng)的整張圖像的質(zhì)量得分標(biāo)簽。本文提出了一種所謂噪聲標(biāo)簽的方式用來給每個(gè)圖像塊賦予訓(xùn)練