一种基于卷积激活图的全参考图像质量评价组合方法
计算机视觉与模式识别
2020-12-04 v3 图像与视频处理
摘要
全参考图像质量评价（FR-IQA）的目标是在使用原始无失真参考图像的条件下，预测人类观察者所感知的图像质量。在本研究中，我们探索了一种新颖的组合方法，通过汇编来自卷积激活图的特征向量来预测失真图像的感知质量。具体而言，将参考-失真图像对输入预训练的卷积神经网络，并用传统的图像相似度度量比较其激活图。随后，所得特征向量借助训练好的支持向量回归器映射到感知质量分数。本文还给出了详细的参数研究，对所用方法的设计选择加以论证。此外，我们研究了训练图像数量与预测性能之间的关系。具体地，结果表明所提方法可用少量数据训练即达到高预测性能。我们的最佳方案——ActMapFeat——在 KADID-10k、TID2013、TID2008、MDID、CSIQ 和 VCL-FER 等六个公开基准 IQA 数据库上与最先进方法进行比较，具体而言，我们的方法在这些基准数据库上能够显著优于最先进水平。
引用
@article{arxiv.2010.09361,
title = {A combined full-reference image quality assessment approach based on convolutional activation maps},
author = {Domonkos Varga},
journal= {arXiv preprint arXiv:2010.09361},
year = {2020}
}