面向盲夜间图像质量评价的深层分解与双线性池化网络
多媒体
2022-08-30 v2 计算机视觉与模式识别
摘要
盲图像质量评价（BIQA）旨在无任何原始参考信息的情况下准确预测图像质量，过去几十年中受到广泛关注。尤其在深度神经网络助力下取得了巨大进展。然而，针对夜间图像（NTI）的BIQA研究仍较为匮乏，此类图像通常遭受复杂的真实失真，如能见度降低、低对比度、加性噪声与色彩失真。这些多样的真实性退化尤其对设计有效的深度神经网络以进行盲NTI质量评价（NTIQE）提出挑战。本文提出一种新颖的深层分解与双线性池化网络（DDB-Net）以更好地解决该问题。DDB-Net包含三个模块，即图像分解模块、特征编码模块与双线性池化模块。图像分解模块受Retinex理论启发，将输入NTI解耦为负责光照信息的光照层分量与负责内容信息的反射层分量。随后，特征编码模块分别基于两个解耦分量学习退化的特征表示。最后，通过将光照相关与内容相关退化建模为双因子变化，两组特征经双线性池化融合为统一表示以用于质量预测。所提DDB-Net的优越性已在多个基准数据集上的大量实验中被充分验证。源代码将很快公开。
引用
@article{arxiv.2205.05880,
title = {Deep Decomposition and Bilinear Pooling Network for Blind Night-Time Image Quality Evaluation},
author = {Qiuping Jiang and Jiawu Xu and Yudong Mao and Wei Zhou and Xiongkuo Min and Guangtao Zhai},
journal= {arXiv preprint arXiv:2205.05880},
year = {2022}
}