基于深度双流卷积网络的图像超分辨率盲质量评估
图像与视频处理
2020-04-15 v1 计算机视觉与模式识别
多媒体
摘要
已有众多图像超分辨率(SR)算法被提出,用于从空间分辨率较低的输出图像重建高分辨率(HR)图像。然而,有效评估 SR 图像的感知质量仍是一个具有挑战性的研究问题。在本文中,我们提出了一种基于无参考/盲深度神经网络的 SR 图像质量评估器(DeepSRQ)。为学习各种失真 SR 图像更具判别性的特征表示,所提出的 DeepSRQ 是一个双流卷积网络,包含分别处理失真结构与纹理 SR 图像的两个子组件。与传统图像失真不同,SR 图像的伪影会导致图像结构与纹理质量同时退化。因此,我们选用双流方案来捕获 SR 输入的不同属性,而非直接从单一图像流中学习特征。考虑到人类视觉系统(HVS)特性,结构流聚焦于提取结构退化中的特征,而纹理流聚焦于纹理分布的变化。此外,为扩充训练数据并保证类别平衡,我们提出了一种基于步长的自适应裁剪方法以进一步改进。在三个公开可用 SR 图像质量数据库上的实验结果表明,与最先进的图像质量评估算法相比,我们提出的 DeepSRQ 方法具有有效性与泛化能力。
引用
@article{arxiv.2004.06163,
title = {Blind Quality Assessment for Image Superresolution Using Deep Two-Stream Convolutional Networks},
author = {Wei Zhou and Qiuping Jiang and Yuwang Wang and Zhibo Chen and Weiping Li},
journal= {arXiv preprint arXiv:2004.06163},
year = {2020}
}