面向真实雨图去雨质量的主客观评估
图像与视频处理
2019-10-08 v3 计算机视觉与模式识别
摘要
户外视觉系统获取的图像容易因雨天天气而遭受能见度下降和恼人干扰，这给准确理解和描述视觉内容带来巨大挑战。近期研究为提升图像能见度在雨移除任务上投入了大量努力。然而，关于去雨图像质量评估的探索极少，尽管其对准确衡量各类去雨算法的性能至关重要。本文中，我们首先创建了一个去雨质量评估（DQA）数据库，收集了 206 张真实雨图及由 6 种代表性单图像去雨算法生成的去雨版本。随后，在我们的 DQA 数据库上开展主观研究，收集所有去雨图像的主观评分。为定量测量具有非均匀伪影的去雨图像质量，我们提出了一种双向特征嵌入网络（B-FEN），其将全局感知与局部差异特征相融合。实验证实，所提方法显著优于许多现有的通用盲图像质量评估模型。为助力面向感知偏好去雨算法的研究，我们将在 https://github.com/wqb-uestc 公开我们的 DQA 数据库与 B-FEN 源代码。
引用
@article{arxiv.1909.11983,
title = {Subjective and Objective De-raining Quality Assessment Towards Authentic Rain Image},
author = {Qingbo Wu and Lei Wang and King N. Ngan and Hongliang Li and Fanman Meng and Linfeng Xu},
journal= {arXiv preprint arXiv:1909.11983},
year = {2019}
}
备注
In this revision, we add the comparison with our previous exploration towards the de-raining quality assessment in Ref. [16]. Some typos in Tables III and IV are corrected, where the missed minus signs are added back for some OU metrics