基于稀疏表示的图像质量评估

一种成功的图像质量评估方法涉及比较失真图像与其参考图像之间的结构信息。然而，提取对人类视觉系统具有感知重要性的结构信息是一项具有挑战性的任务。本文通过采用基于稀疏表示的方法来解决这一问题，并提出了一种称为基于稀疏表示的质量（SPARQ）指数的新指标。所提出的方法将参考图像的固有结构学习为一组基向量，使得图像中的任何结构都可以仅由其中少数几个基向量的线性组合来表示。采用这种稀疏策略是因为已知其生成的基向量在性质上类似于哺乳动物初级视觉皮层中简单细胞的感受野。失真图像的视觉质量是通过在类似皮层细胞的学习基向量方面比较参考图像和失真图像的结构来估计的。我们的方法在六个公开可用的主观评级图像质量评估数据集上进行了评估。所提出的 SPARQ 指数在所有数据集上均表现出与主观评级的高度相关性，其性能优于或与最先进（state-of-the-art）方法持平。