基于协作特征细化和屠宰距离的图像质量评估：增强感知探索与解释
图像与视频处理
2024-12-23 v1 计算机视觉与模式识别
摘要
当前的全参考图像质量评估 (Full-Reference Image Quality Assessment, FR-IQA) 方法通常会融合参考图像和失真图像的特征，忽略了颜色和亮度失真主要发生在低频率，而边缘和纹理失真则发生在高频率。本工作引入一种 pioneering (创新的) 无训练的 FR-IQA 方法，通过利用新颖的感知退化建模方法来预测图像质量，这与人类视觉系统 (Human Visual System, HVS) 相吻合。首先，协作特征细化模块采用精心设计的小波变换提取感知相关特征，捕获多尺度感知信息，模拟 HVS 在空间和频域中以不同尺度和方向分析视觉信息的方式。其次，基于屠宰距离 (Hausdorff distance) 的分布相似性测量模块稳健地评估参考图像和失真图像特征分布之间的差异，有效处理异常值和变化，模拟 HVS 能感知和容忍一定程度失真的能力。该方法无需训练数据或主观质量评分，即可准确捕获感知质量差异。在多个基准数据集上进行的广泛实验表明，该方法在与现有 state-of-the-art 方法的性能方面表现优异，凸显其与 HVS 强相关的能力。
引用
@article{arxiv.2412.15847,
title = {Image Quality Assessment: Enhancing Perceptual Exploration and Interpretation with Collaborative Feature Refinement and Hausdorff distance},
author = {Xuekai Wei and Junyu Zhang and Qinlin Hu and Mingliang Zhou\\Yong Feng and Weizhi Xian and Huayan Pu and Sam Kwong},
journal= {arXiv preprint arXiv:2412.15847},
year = {2024}
}