基于频率图的无参考深度学习超分辨率图像质量评价方法
图像与视频处理
2022-06-10 v1 计算机视觉与模式识别
摘要
为支持亟需高分辨率（HR）图像的应用场景，各类单图像超分辨率（SISR）算法被提出。然而，SISR 是一个病态逆问题，可能给重建图像带来纹理偏移、模糊等伪影，因此有必要评价超分辨率图像（SRIs）的质量。注意到现有多数图像质量评价（IQA）方法针对合成失真图像而设计，由于 SRIs 的失真更为多样和复杂，这些方法可能不适用于 SRIs。因此，本文提出一种基于频率图的无参考深度学习图像质量评价方法，因为 SISR 算法引起的伪影对频率信息十分敏感。具体而言，我们首先利用 Sobel 算子与分段平滑图像近似获得 SRI 的高频图（HM）与低频图（LM）。随后，采用双流网络提取两频率图的质量感知特征。最后，利用全连接层将特征回归为单一质量值。实验结果表明，在所选三个超分辨率质量评价（SRQA）数据库上，我们的方法优于所有对比的 IQA 模型。
引用
@article{arxiv.2206.04289,
title = {A No-Reference Deep Learning Quality Assessment Method for Super-resolution Images Based on Frequency Maps},
author = {Zicheng Zhang and Wei Sun and Xiongkuo Min and Wenhan Zhu and Tao Wang and Wei Lu and Guangtao Zhai},
journal= {arXiv preprint arXiv:2206.04289},
year = {2022}
}