利用无监督学习框架生成自适应且鲁棒的滤波器组

本文引入一种自适应无监督学习框架，其利用自然图像来训练滤波器组。通过评估这些滤波器组在两种对比应用——图像质量评价和纹理检索中的性能，展示了其适用性。在评价图像质量时，滤波器需要基于参考图像与其失真版本之间的差异来捕获感知差异。在纹理检索中，滤波器需要评估纹理图像之间的相似性以检索最匹配的纹理。基于实验，我们表明滤波器响应所张成的集合中，基于单调性的度量可同时衡量自然图像的感知不相似性与纹理图像的相似性。此外，我们对测试集中的图像进行损坏，并证明与现有方法相比，所提方法带来了鲁棒且可靠的检索性能。