一种基于参数化双向曲率的图像伪影分类与量化框架
计算机视觉与模式识别
2025-08-13 v1
摘要
本工作提出了一种基于方向性图像曲率分析的无参考图像质量评价（NR-IQA）新框架。在此框架内，我们定义了一种各向异性纹理丰富度（ATR）度量，该度量在像素级别使用两个可调阈值——一个宽松，一个严格——来计算，以量化正交纹理抑制。当其参数针对特定伪影进行优化时，所得的ATR分数可作为高性能质量度量，在LIVE数据集上，对高斯模糊的斯皮尔曼相关系数约为-0.93，对白噪声约为-0.95。主要贡献是一个两阶段系统，该系统利用ATR对不同失真的差异化响应。首先，系统利用两种专用ATR配置的特征来对主要伪影类型（模糊 vs. 噪声）进行分类，准确率超过97%。其次，在分类之后，它采用一个专用的回归模型，将相关的ATR分数映射到质量评级，以量化退化程度。在一个组合数据集上，完整系统预测人类评分的决定系数（R²）为0.892，均方根误差（RMSE）为5.17 DMOS点。该误差仅占数据集总质量范围的7.4%，证明了其高预测精度。这确立了我们的框架作为一个鲁棒的双重用途工具，用于图像退化的分类和后续量化。
引用
@article{arxiv.2508.08824,
title = {A Parametric Bi-Directional Curvature-Based Framework for Image Artifact Classification and Quantification},
author = {Diego Frias},
journal= {arXiv preprint arXiv:2508.08824},
year = {2025}
}