无参考图像质量评价之可察觉模糊程度方法(JNB)

 

参考资料

主要参考ICIP2006会议论文:
Ferzli R, Karam L J. A human visual system-based model for blur/sharpness perception[J]. in International Workshop on Video Processing and Quality Metrics (VPQM) (2006)
 
文中有不足之处请批评指正。
 

背景

1、在图像的局部,由于强度,对比度等的不同,导致一些算法在评价模糊度的时候,能力有些不足;为什么强调局部呢?因为在局部
 
模糊的图像,可能是本身就是平滑区域;
 
2、图像的模糊度评价同样可以用于评价图像的锐化程度,因为,图像越模糊,那么锐化程度也就越低;
 
3、人眼对模糊度的评价带有一定的主观性,所以,那么通过主观的实验类得到经验公式也是合理的。
 

所提的方法

 
既然模糊成都的评价主要还是为了满足人眼的需求,那么,通过主观的实验也是合理的。
 
本文作者主要设置了如下的实验:(这里使用原文的图片来说明,如有侵权请告知。)
 
在下图所示的各种对比度条件下,通过对图像做高斯模糊处理,设置适当的步长(这里的步长是指逐渐的增加模糊的参数),当正
 
好被看见,或者正好不被看见的时候,记录下这个值。
 
原文中得到的MJNB的经验公式:(这里就直接截图了)
 
 
 
 
 
 

关键点

 
在文中,作者也提到了JND这个词,主要是用在上图所示的设置对比上,关于这一点,将在下一篇文章中介绍。
 
 
 
关注公众号,获取更多信息
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值