用于图像质量评估的盲预测相似质量图
计算机视觉与模式识别
2019-03-12 v2
摘要
盲图像质量评估（BIQA）中的一个关键问题是如何以数据驱动的方式有效建模人类视觉系统的特性。本文中，我们基于一种由全卷积神经网络（FCNN）和池化网络组成的新颖框架，提出了一个简单高效的BIQA模型来解决该问题。原则上，FCNN能够仅从失真图像出发，利用由传统全参考图像质量评估方法得到的中间相似度图，逐像素预测相似质量图。所预测的逐像素质量图与参考图像和失真图像之间的失真相关性具有良好的一致性。最后，一个深度池化网络将质量图回归为一个分数。实验表明，我们的预测优于许多最先进的BIQA方法。
引用
@article{arxiv.1805.08493,
title = {Blind Predicting Similar Quality Map for Image Quality Assessment},
author = {Da Pan and Ping Shi and Ming Hou and Zefeng Ying and Sizhe Fu and Yuan Zhang},
journal= {arXiv preprint arXiv:1805.08493},
year = {2019}
}