UNIQUE：无监督图像质量估计
计算机视觉与模式识别
2018-11-14 v2 图像与视频处理
摘要
本文中，我们通过无监督学习方法利用从通用图像数据库获得的稀疏表示来估计感知图像质量。采用色彩空间变换、均值减除和白化操作，通过降低空间冗余来增强图像的描述性；使用线性解码器获得稀疏表示；并使用阈值化阶段来构建视觉系统中的抑制机制。线性解码器使用 7 GB 数据训练，对应于从 ImageNet 2013 数据库中近 1000 张图像随机获取的 100,000 个 8x8 图像块。优先采用块级训练方法以保留局部信息。所提出的质量估计器 UNIQUE 在 LIVE、Multiply Distorted LIVE 和 TID 2013 数据库上测试，并与十三个质量估计器比较。实验结果表明，UNIQUE 在准确性、一致性、线性和单调行为方面通常是性能顶尖的质量估计器。
引用
@article{arxiv.1810.06631,
title = {UNIQUE: Unsupervised Image Quality Estimation},
author = {D. Temel and M. Prabhushankar and G. AlRegib},
journal= {arXiv preprint arXiv:1810.06631},
year = {2018}
}
备注
12 pages, 5 figures, 2 tables