论文理解笔记《Blind Quality Assessment Based on Pseudo-Reference Image》(2)
@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
二、 Local structure similarity(LSS)——针对sharpness 、noisiness
1. 过程
a)分两种更细的度量LSSS、LSSN
b)不同得到PRI的方法,在LSSS中PRI得到是通过一个特殊平滑滤波器;在LSSN中PRI得到是通过在原噪声图像中加入一个高强度的噪声
c)给予LBP算法,文中通过衡量像素四邻域之间的亮度的差异,来体现最后local structures
d)通过测算LSS,得出两者之间的local structures
2.具体细节
首先引入一个局部二值模式的方法(local binary pattern)LBP
通过中心块亮度和四邻域像素来衡量local structures
在LSSS和LSSn中,能够用点lij被用来表示local structure 的组成:
Ld和Lm分别代表了失真图像和PRI组成其local structures 每个的点:
Lo代表了Ld和Lm 之间重叠的点:
Lu有点不一样,代表了Ld和Lm的相交运算:
No,Nu分别代表Lo和LU的个数:
最后LSS:
三、 分数调整
最后得分通过如下函数进行修正:
四、 SVM分类
由于图像存在多种失真,需要分析失真成分,得出概率矩阵:
再让图像分别通过PSS,LSSS,LSSN给出得分后按概率矩阵加权赋分:
最后是整个网络的框图
欢迎批评指正!
2018.12.7