用于判定超分辨率卷积神经网络(SRCNN)效能与局限性的图像质量评估
计算机视觉与模式识别
2019-05-15 v1 图像与视频处理
摘要
评估图像处理技术效能的传统指标无助于理解现代图像处理方法——尤其是那些由深度学习赋能的方法——的能力与局限性。当在工程解决方案中应用图像处理时，科学家或工程师需要用清晰的指标来证明其设计决策的合理性。通过将盲/无参考图像空间质量(BRISQUE)、结构相似性(SSIM)指数分数以及峰值信噪比(PSNR)应用于图像处理前后的图像，我们得以有意义地量化质量改进，并确定给定方法可恢复的最低图像质量。
引用
@article{arxiv.1905.05373,
title = {Image quality assessment for determining efficacy and limitations of Super-Resolution Convolutional Neural Network (SRCNN)},
author = {Chris M. Ward and Josh Harguess and Brendan Crabb and Shibin Parameswaran},
journal= {arXiv preprint arXiv:1905.05373},
year = {2019}
}