Curvelet域中的稳健统计与无参考图像质量评价
计算机视觉与模式识别
2019-02-12 v1
摘要
本文利用稳健统计与curvelet变换学习一个通用的无参考（NR）图像质量评价（IQA）模型。这一新方法在此称为M1，与2014年提出的Curvelet质量评价（Curvelet2014）相竞争。其核心思想是使用基于稳健统计的描述子提取特征并预测人类关于退化图像的意见。为展示方法的一致性，该模型在3个不同数据集LIVE IQA、TID2013和CSIQ上进行了测试。在测试评估中，使用Wilcoxon检验验证结果的统计显著性，并在新模型M1与Curvelet2014之间促进准确比较。结果显示当使用稳健统计作为描述子时取得增益。
引用
@article{arxiv.1902.03842,
title = {Robust statistics and no-reference image quality assessment in Curvelet domain},
author = {Ramon Giostri Campos and Evandro Ottoni Teatini Salles},
journal= {arXiv preprint arXiv:1902.03842},
year = {2019}
}
备注
Article published in the XIV Workshop of Computer Vision, ISBN: 978-85-7455-514-0, this version has 7 pages, 3 figures, 2 tables