无参考图像质量评估算法在真实失真上的综合评测
图像与视频处理
2020-11-17 v1 计算机视觉与模式识别
摘要
客观图像质量评估旨在预测数字图像的感知质量。无参考图像质量评估(NR-IQA)在不知晓其原始（无失真）参考图像的任何知识或信息的情况下预测给定输入图像的质量。机器学习算法被大量用于无参考图像质量评估，因为对人类视觉系统质量感知建模极为复杂。此外，无参考图像质量评估算法在公开可用的基准数据库上评测，这些数据库包含带有对应质量分数的图像。本研究中，我们在由真实失真构成的数据库上评测若干基于机器学习的NR-IQA方法及一种无参考意见方法。具体而言，采用LIVE In the Wild与KonIQ-10k数据库评估当前最优方法。对于基于机器学习的方法，约80%用于训练，剩余20%用于测试。进一步，在100次随机训练-测试划分上报告平均PLCC、SROCC与KROCC值，并利用箱线图给出这些指标值的统计分布。我们的评测结果有助于清晰理解当前最优无参考图像质量评估方法的现状。
引用
@article{arxiv.2011.07950,
title = {Comprehensive evaluation of no-reference image quality assessment algorithms on authentic distortions},
author = {Domonkos Varga},
journal= {arXiv preprint arXiv:2011.07950},
year = {2020}
}