基于深度超像素的网络用于盲图像质量评价
计算机视觉与模式识别
2021-10-14 v1 机器学习
摘要
盲图像质量评价（BIQA）模型的目标是模拟人眼评价图像的过程并准确评估图像质量。尽管许多方法有效识别了退化，但它们未充分考虑图像中导致失真的语义内容。为填补这一空白，我们提出了一种基于深度自适应超像素的网络，即 DSN-IQA，基于多尺度和超像素分割来评估图像质量。DSN-IQA 可自适应接受任意尺度图像作为输入，使评价过程类似于人类感知。该网络使用两个模型提取多尺度语义特征并生成超像素邻接图。这两个要素通过特征融合统一在一起以准确预测图像质量。在不同基准数据库上的实验结果表明，在评估具有挑战性的真实图像数据库时，我们的算法与其他方法相比极具竞争力。此外，由于自适应深度超像素网络，我们的模型能像人眼一样准确评估具有复杂失真的图像。
引用
@article{arxiv.2110.06564,
title = {Deep Superpixel-based Network for Blind Image Quality Assessment},
author = {Guangyi Yang and Yang Zhan. and Yuxuan Wang},
journal= {arXiv preprint arXiv:2110.06564},
year = {2021}
}