通过解耦图像中感知与噪声特征实现盲高动态范围质量估计
多媒体
2017-12-21 v1
摘要
评估高动态范围（HDR）图像的视觉质量是一个尚未探索且有趣的研究课题，随着当前HDR技术的蓬勃发展而变得相关。我们提出了一种基于卷积神经网络的新模型，用于HDR数据的无参考图像质量评估（NR-IQA）。该模型在没有任何参考图像的情况下，预测失真图像的噪声量与位置、图像像素对噪声的感知影响以及感知质量。所提模型提取与任意给定失真图像中存在的噪声相对应的数值，以及人眼在观看同一图像时所表现的感知效应。这两个度量被分别且顺序地提取，并在混合函数中结合以计算人眼感知的失真图像质量。我们的训练过程从真实世界图像质量数据集中导出计算感知效应的分量，而非使用心理视觉实验的结果。利用所提模型，我们展示了HDR NR-IQA的SOTA性能，且结果表明其性能类似于HDR全参考图像质量评估算法（FR-IQA）。
引用
@article{arxiv.1712.07269,
title = {Blind High Dynamic Range Quality estimation by disentangling perceptual and noise features in images},
author = {Navaneeth Kamballur Kottayil and Giuseppe Valenzise and Frederic Dufaux and Irene Cheng},
journal= {arXiv preprint arXiv:1712.07269},
year = {2017}
}