CSIM：一种灵敏感知局部变化的基于Copula相似性指数用于图像质量评估
图像与视频处理
2024-10-22 v2 计算机视觉与模式识别
概率论
摘要
图像相似性度量在计算机视觉应用中发挥着重要作用，因其在图像处理、计算机视觉和机器学习中被广泛使用。此外，这些度量还能支持图像检索、目标识别和质量评估等任务，这些任务在医疗保健、天文学和监视等领域至关重要。现有的度量方法，如 PSNR、MSE、SSIM、ISSM 和 FSIM，常面临速度、复杂度或对图像小变化敏感性方面的局限性。为应对这些挑战，本文研究了一种新颖的图像相似性度量方法，即 CSIM，它在实现实时性能的同时能够灵敏地捕捉图像细微变化。该新度量方法利用概率论中的高斯Copula，将图像转化为由局部图像块相关联的像素分布向量。这些向量包含不仅包括强度和像素位置信息，还包含像素值之间依赖关系的信息，从而捕捉图像中结构性关系。通过利用Copula的特性，CSIM能够有效地建模像素强度的联合分布，使其在比较图像块方面更为细致，从而在局部变化方面比其他度量方法更灵敏。实验结果表明，在包括噪声、压缩伪影和模糊在内的各种图像失真场景中，CSIM 在现有相似性度量中表现出色。该度量方法检测细微差异的能力使其适用于需要高精度的应用，例如医学成像，其中对检测微小异常的重要性极高。本文所得结果可从以下 GitHub 仓库复现：https://github.com/safouaneelg/copulasimilarity
引用
@article{arxiv.2410.01411,
title = {CSIM: A Copula-based similarity index sensitive to local changes for Image quality assessment},
author = {Safouane El Ghazouali and Umberto Michelucci and Yassin El Hillali and Hichem Nouira},
journal= {arXiv preprint arXiv:2410.01411},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication