用于失真图像质量评估的深度多尺度特征学习
图像与视频处理
2020-12-04 v1 计算机视觉与模式识别
多媒体
摘要
图像质量评估（IQA）旨在估计基于人类感知的图像视觉质量。尽管现有深度神经网络（DNNs）已对解决 IQA 问题显示出显著有效性，仍须通过利用高效多尺度特征来改进基于 DNN 的质量评估模型。本文受人类视觉系统（HVS）结合多尺度特征进行感知的启发，提出使用金字塔特征学习构建具有分层多尺度特征的 DNN 以预测失真图像质量。我们的模型基于亮度域中的残差图与失真图像，所提网络从网络结构包含空间金字塔池化与特征金字塔。我们提出的网络以深度端到端监督方式优化。为验证所提方法有效性，在四个广泛使用图像质量评估数据库上进行了充分实验，证明了我们算法的优越性。
引用
@article{arxiv.2012.01980,
title = {Deep Multi-Scale Features Learning for Distorted Image Quality Assessment},
author = {Wei Zhou and Zhibo Chen},
journal= {arXiv preprint arXiv:2012.01980},
year = {2020}
}