2D metric和3D mesh的静态metric

本文介绍了2D图像和3D mesh的质量评估方法,包括有参FR、少参RR和无参NR的评估方式。在3D mesh评估中,详细讨论了基于HVS的度量、信号导向的度量和各种模型,如Hausdorff距离、RMS、MSDM、TPDM和FMPD等。这些度量考虑了曲率、粗糙度和应变场等因素,但受限于连接关系、采样密度和变形程度。
摘要由CSDN通过智能技术生成

图片的质量评估(quality metrics for 2D images)

  • 图片的quality metircs的评估方式:有参FR(full reference)、少参RR(reduced
    reference)和无参NR(no reference)
  • 面向信号的metric:不考虑任何HVS,由于它的低复杂度,一般适用于实时应用。最常用的简单metric仍是peak signal-noise ratio metric来平衡复杂和性能
    图像感知量度的模块图

Color space conversion主要是将亮度和色度分离,主要分析亮度;
Perceptual decoposition主要是提取人眼比较敏感的空间频率;

3D mesh的质量评估(quality metrics)

  • Metric的分类
    这里写图片描述
    有的还分为View-dependent和View-independent
    HVS-based主要是通过复杂的数学模型来模拟HVS的生理和心理机制,signal-oriented通过定义函数来预测有多少具体视觉成像效应(artefacts)
    1. 目前已有的静态metric的特性,如下表
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