基于包袱特征法对真实失真图像的感知质量预测
计算机视觉与模式识别
2016-09-16 v1
摘要
当前领先的盲感知图像质量预测模型通常在基于人类主观质量评分的合成失真图像数据库上进行训练，因此学习的图像特征主要用于预测对非真实、且通常为单一失真的图像的人类视觉质量判断。然而，真实世界中的图像通常包含复杂的、由多种失真组成的混合失真。我们研究了不同颜色空间和变换域中此类真实失真图像的感知相关自然场景统计特性。我们提出了一种基于包袱特征图（bag of features）的方法，该方法不对图像中包含的失真类型作出假设，专注于捕捉真实世界图像统计特性的一致性或偏离程度。在大型真实失真图像数据库、人类主观意见以及计算得到的包袱特征之上，我们训练了一个回归器来进行图像质量预测。我们展示了这些特征在提升自动感知质量预测方面的优势，通过在经典数据库以及新近引入的 LIVE In the Wild Image Quality Challenge Database 上测试所学习的算法，证明了其有效性。我们对感知质量预测模型和算法进行了广泛评估，表明其能够实现良好的质量预测性能，优于其他领先模型。
引用
@article{arxiv.1609.04757,
title = {Perceptual Quality Prediction on Authentically Distorted Images Using a Bag of Features Approach},
author = {Deepti Ghadiyaram and Alan C. Bovik},
journal= {arXiv preprint arXiv:1609.04757},
year = {2016}
}