论文笔记《Blind Quality Assessment Based on Pseudo-Reference Image》(1)

论文理解笔记《Blind Quality Assessment Based on Pseudo-Reference Image》(1)

@article{Min2018Blind Quality Assessment,
title={Blind Quality Assessment Based on
Pseudo-Reference Image},
author={Xiongkuo Min , Student Member, IEEE, Ke Gu , Member, IEEE, Guangtao Zhai, Member, IEEE, Jing Liu ,
Xiaokang Yang, Senior Member, IEEE, and Chang Wen Chen, Fellow, IEEE},
year={2018},
}
https://ieeexplore.ieee.org/document/8241862
侵删

本文特点

传统的全参考质量评价大多是基于高质量图像作为参考图像来的，由于有时候高质量的参考图像不存在，那么半参考、无参考的图像质量评价方法就由此引入。这两种评价方式会在一些高质量的全参考图像中提取一些特征（derive some characteristics），用以衡量失真图像在这些特征上的差别。

本文与其他传统IQA方法（无参考）不同点在于：需要得到一个Pseudo-reference image（PRI）图像，来构成一个基于PRI图像的盲评价框架，其中PRI图像作为一个伪参考图像，源自于失真图像的进一步失真，也就是说作者希望生成更差图像来评价之前的失真图像和剧烈失真图像的差距，也就是说来评价 失真图像到底有多差。

具体方法：

根据不同的失真类型，有不同的PRI，文中选取了四种损失类型进行深究：JEPG、JEPG2000（JP2K）、white Gaussian noise（WN）、Gaussian blur（GB）.提出了两种基于PRI的不同失真方法度量：PSS、LSS

一、 Pseudo structure similarity (PSS)

1.过程

a）首先通过JPEG encode压缩原来的JPEG失真图像到最严重的失真图像作为PRI图像
b）Detect the pseudo structures of 原失真图像和与之对应的PRI图像
c）通过measure blockiness 测算两者之间的伪结构差异

2.具体细节

得出伪参考图：其中A代表原始失真图像，M代表由A产生的PRI图像，用于调整参数，并代表压缩到非常低的图像品质。虽然PRI作为“伪参考图像”，但事实上还是一个无参考（盲）评价 模型。
计算PSS：为了测算M和A之间的图像结构相似性，引入了Pseudo Corners and Structures，在文献[43]里头有具体方法：Corners一般用来做video tracking和motion detection，在本文中可以用来评估blockiness。
The detected corners 分布在四个角落 of 8*8的块，定义成pseudo corners，在其他边界位置的话定义成普通corners。
一个图像的伪结构可以用所有伪corners的点来描述。
Pd、Pm 被用来分别描述失真图像和伪参考图像在点（i，j）位置存在的pseudo corners


Po被用来描述Pd、Pm所有点中重复的点

No表示所有重复点的个数，Nm表示在pseudo图中所有pseudo corners的个数


PSS分数和Dmos分数在变化趋势上一致：