利用高层语义的无参考真实模糊图像质量评价

为保证消费者满意的服务质量体验（QoE），需要高效可靠地测量图像质量。忽视高层语义信息可能导致将清晰的蓝天预测为低质量，这与人类感知不一致。因此，本文通过利用高层语义来解决此问题，提出了一种针对真实模糊图像的新型无参考图像质量评价方法。首先，将整幅图像划分为多个重叠块。其次，每个块由从预训练的深度卷积神经网络模型提取的高层特征表示。第三，采用三种不同的统计结构来聚合来自不同块的信息，主要包含一些常见统计量（即均值与标准差、分位数和矩）。最后，将聚合特征输入线性回归模型以预测图像质量。实验表明，与低层特征相比，高层特征在解决上述质量估计挑战性问题中确实起着更关键的作用。此外，所提方法在两个真实模糊图像数据库上显著优于最先进的方法，并在两个合成模糊图像数据库上取得可比性能。