细粒度压缩图像的感知质量评估
计算机视觉与模式识别
2022-06-09 v1
摘要
近年来，图像存储与传输系统快速发展，其中图像压缩起着重要作用。一般而言，图像压缩算法的开发旨在有限码率下保证良好视觉质量。然而，由于压缩优化方法不同，压缩图像可能具有不同水平的质量，需要定量评估。当前主流的全参考（FR）指标能有效预测粗粒度压缩图像（压缩图像间码率差异明显）的质量，但对于码率差异极细微的细粒度压缩图像可能表现不佳。因此，为更好提升体验质量（QoE）并为压缩算法提供有用指导，我们提出一种面向细粒度压缩图像的全参考图像质量评估（FR-IQA）方法。具体而言，首先将参考图像与压缩图像转换到 色彩空间；从对压缩伪影敏感的区域提取梯度特征；然后采用 Log-Gabor 变换进一步分析纹理差异；最后将所得特征融合为质量分数。所提方法在细粒度压缩图像质量评估（FGIQA）数据库上验证，该数据库专为评估码率接近的压缩图像质量而构建。实验结果表明我们的指标在 FGIQA 数据库上优于主流 FR-IQA 指标。我们还在其他常用压缩 IQA 数据库上测试，结果显示我们的方法在粗粒度压缩 IQA 数据库上也取得有竞争力的性能。
引用
@article{arxiv.2206.03862,
title = {Perceptual Quality Assessment for Fine-Grained Compressed Images},
author = {Zicheng Zhang and Wei Sun and Wei Wu and Ying Chen and Xiongkuo Min and Guangtao Zhai},
journal= {arXiv preprint arXiv:2206.03862},
year = {2022}
}