用于图像质量评价的 intensity-sensitive 相似性指标
图像与视频处理
2022-12-06 v2
摘要
由于成像技术与计算机视觉的快速发展，图像质量评价（IQA）的重要性与日俱增。在众多 IQA 方法中，结构相似性（SSIM）指数及其变体更符合人类视觉系统的感知质量。然而，当图像包含低信息量时，即重要信息仅占图像很小比例而大部分图像呈噪声状（这在科学数据中很常见），SSIM 方法不够敏感。因此，我们针对此类低信息图像提出了两种新的 IQA 方法：强度加权 SSIM 指数和低信息相似性指数。此外，还提出了辅助指标以协助评价。这些新 IQA 方法在自然图像和特定领域图像（如射电天文图像、医学图像和遥感图像）上的应用也得到了展示。结果表明，对于输入图像高强度部分的差异，我们的 IQA 方法优于最先进的 SSIM 方法；而对于低强度部分的差异，其性能与原始及基于梯度的 SSIM 相似。不同的相似性指数适用于不同应用，我们在结果中对此进行了展示。
引用
@article{arxiv.2206.11207,
title = {Intensity-Sensitive Similarity Indexes for Image Quality Assessment},
author = {X. Li and W. Armour},
journal= {arXiv preprint arXiv:2206.11207},
year = {2022}
}