基于高斯过程回归模型的模糊与块效应图像频域盲质量评估
计算机视觉与模式识别
2023-03-07 v1 人工智能
机器学习
应用物理
摘要
大多数标准图像与视频编解码器都是基于块的，根据压缩比的不同，压缩图像/视频会遭受不同失真。在低压缩比下会出现模糊，而随着压缩增强则会出现块效应。通常，为减少块效应，图像会被低通滤波，从而导致更多模糊。此外，在散景模式图像中它们也很常见：模糊源于有意虚化的背景，而块效应与全局模糊则由压缩引起。因此，此类视觉媒体同时遭受块效应与模糊失真。除此之外，噪声也是常见失真。现有大多数质量评估工作都是单独量化这些失真。本文提出一种方法，用于盲测遭受这些失真（单独及联合）图像的整体质量。这是通过考虑定义为和幅值的低、高频离散频率变换（DFT）系数绝对值之和来实现。位于特定和幅值范围（包括零值交流系数）内的块数，以及这些和幅值的 100 个最大值与 100 个最小值的平均值，被用作特征向量。随后将这些特征输入基于机器学习（ML）的高斯过程回归（GPR）模型，由其对图像质量进行量化。仿真结果表明，所提方法能够估计受块效应、模糊、噪声及其组合失真图像的质量。相较于许多先进方法，它相对更快，因此适用于实时质量监控应用。
引用
@article{arxiv.2303.02753,
title = {Frequency-domain Blind Quality Assessment of Blurred and Blocking-artefact Images using Gaussian Process Regression model},
author = {Maryam Viqar and Athar A. Moinuddin and Ekram Khan and M. Ghanbari},
journal= {arXiv preprint arXiv:2303.02753},
year = {2023}
}