图像质量评价
Jackybored
迷茫的研究生
展开
-
No-reference stereoscopic image quality assessment using a multi-task CNN and registered distortion
摘要原创 2020-08-26 21:00:57 · 452 阅读 · 0 评论 -
Deep feature importance awareness based no-reference image quality prediction
摘要基于深度学习的图像质量评估(IQA)算法通常采用转移学习的方法,将一个预先训练好的分类任务网络转移到处理IQA任务上。虽然它可以在一定程度上克服IQA数据库不足的问题,但它不能区分重要的和不重要的深度特征,这可能导致预测性能不准确。在本文中,我们提出了一种基于深度特征重要性建模的无参考IQA方法。采用自适应迁移学习方法建立了SE-VGG网络。它可以抑制对IQA任务不重要的图像显著性目标局部特征,突出重要的图像失真特征和显著性目标。在小型IQA数据库中,研究了SE-VGG的结构以提高图像质量评价的准确性原创 2020-08-23 20:53:37 · 472 阅读 · 0 评论 -
MetaIQA: Deep Meta-learning for No-Reference Image Quality Assessment
摘要DCNNs已经逐渐用于NR IQA,但是IQA的数据量非常小,因此大量已有的IQA算法是基于预训练的网络,但是这些预训练的网络并不是针对IQA任务设计的,因此这会导致泛化问题。针对这个问题,本文提出了基于元学习的NR IQA。其基本思想是学习人类在评估具有不同失真的图像质量时所共享的元知识,然后可以很容易地适应未知失真。具体来说,我们首先针对不同的失真收集了若干NR-IQA任务。然后采用元学习的方法来学习各种失真所共享的先验知识。最后,在目标NR-IQA任务上对质量先验模型进行微调,快速获得质量模型。原创 2020-07-07 11:30:03 · 3274 阅读 · 8 评论 -
Stereoscopic image quality assessment combining statistical features and binocular theory
摘要与其他关注复杂双目视觉特性的SIQA方法不同,本文提出了一种通过加减通道来描述视觉优势的视觉信息,这种视觉信息与图像失真密切相关。为了估计各通道在SIQA中的贡献,提出了一种基于局部能量的双目融合动态加权系统。此外,提取了基于多尺度和多方向的质量感知特征来描述视觉退化。介绍本文所提出的方法是建立在描述眼优势的加减法理论基础上的。在特征提取阶段,分别从加图和减图中提取NSS作为质量感知特征。相对于耗时的方法,我们的框架在预测精度和效率之间取得了很好的平衡。和会议文章相比,我们的文章有以下贡献:详原创 2020-05-22 17:20:04 · 321 阅读 · 0 评论 -
AdaBoost neural network and cyclopean view for no-reference stereoscopic image quality assessment
摘要:本文章提出了一种NR-SIQA,其使用HVS模拟和高级机器学习算法。该算法包含两个阶段,第一阶段使用左右视图生成cyclopean图像,第二阶段对融合图像进行特征提取,梯度幅值、相对梯度幅值和梯度方向,最后使用由人工神经网络组成的AdaBoost进行质量分数预测。...原创 2020-05-07 18:06:13 · 362 阅读 · 0 评论 -
NR-SIQA Using Convolutional Neural Network for Adaptive Feature Extraction
摘要:在本文提出的算法中,使用CNN根据图像的质量分数将图像进行分类处理,得到网络高层所提取到的视觉感知特征。然后使用视觉显著模型将提取的左右视图特征进行融合,同时多尺度下的视差图统计特征被提取出来,最终综合以上特征,使用SVR进行训练。方法详述首先,一个CNN模型从零开始训练,自适应地提取图像质量感知特征。使用这个模型,从左右视图中提取感知特征,然后左右视图基于显著性权重进行融合得到融合特...原创 2020-02-21 21:54:10 · 490 阅读 · 0 评论 -
NR-SIQA based on local to global regression
摘要:本文提出当发生非对称失真时,使用DMOS或MOS来训练网络是不合理的,因此使用FSIM对左右单独视图进行质量分数的预测,将预测标签来训练左右视图网络,称之为局部回归,然后使用DMOS来微调局部回归网络,称之为全局回归。方法介绍:网络总共分为两个阶段,第一阶段使用FSIM全参考方法预测左右视图的质量分数,并使用左右视图及其预测标签来训练局部回归网络,在完成第一阶段的训练后,将局部网络参数...原创 2020-02-21 15:53:26 · 255 阅读 · 0 评论 -
Blind Image Quality Assessment via Vector Regression and Object Oriented Pooling
摘要并不像其他的质量评价算法那样,将提取的特征直接映射为质量分数,提出的向量回归框架为输入图像产生一个置信分数向量。我们探讨了质量评估中的不确定性因素,设计了信念分数来衡量图像的可信度,并将其分配到相应的质量等级,除此之外,提出了一个面向对象的池策略,通过融合图像内容的语义信息来进一步提高性能。介绍在向量回归阶段,引入了多个质量等级并且使用一个置信分数向量来测量这些一个输入图像属于这些等级的...原创 2019-11-19 20:02:19 · 406 阅读 · 0 评论 -
Blind image quality assessment via learnable attention-based pooling
摘要如今大多数结构为双阶段结构,测量每个局部质量分数然后再通过全局平均池化,在该文中未采用该结构针对池化阶段提出了一个基于显著性的池化网络结构。方法的核心是引入了一种可以模拟人类视觉注意力的可学习池化结构,该结构由数据驱动。具体来说,APNet引入了注意力模块,该模块允许局部质量和局部权重的联合学习。当开始生成质量时,其可以自动学习部署视觉权重。除此之外在局部质量和权重之间引入了关联约束来正则化...原创 2019-11-11 20:19:49 · 535 阅读 · 1 评论 -
Stereoscopic image quality assessment by deep convolutional neural network
摘要受人脑内部生成机制(IGM)的启发,即大脑首先分析感知信息然后提取有效的视觉信息,本文提出了一种双通道DCNN来预测图像质量。首先设计一个孪生网咯来提取左右视图的高级语义特征来模仿大脑的信息提取过程;之后通过卷积算子将左右视图的高级特征组合来模拟大脑的信息交互过程,最终交互处理后的信息被用来预测图像的质量分数。介绍直接使用2D图像质量评级算法来评价3D图像,在图像是对称失真的情况下可以获...原创 2019-09-22 14:26:24 · 585 阅读 · 1 评论 -
Two-Stream Convolutional Networks for Blind Image Quality Assessment
摘要本文算法中提出了一种双流卷积网络,包括用于图像和梯度图像的两个子成分。这种设计的灵感来自使用双流来获得不同的输入等级信息,并且减少从单流中提取特征的难度。梯度流提取图像的结构细节信息,图像流提取图像的强度信息。除此之外考虑到图像中的局部不均匀分布的失真情况,增加了一个基于区域的全卷积层来使用输入图像块中间的周围信息,最后的分数是平均所有块的分数。介绍本文中提出的算法是受之前的一系列双流深...原创 2019-09-21 15:37:15 · 1058 阅读 · 3 评论 -
Dual-Stream Interactive Networks for No-Reference Stereoscopic Image Quality Assessment
摘要基于HVS是层次双流交互这一现象,提出了本文算法。提出的网络是端到端的双流交互的神经网络包含左右视点的子网络,其中两个子网络的交互发生在多个层中。介绍人类视觉皮层是一个层次结构,各组成皮层区域之间存在相互的皮质-皮质连接,包括低级视觉区域,即初级视觉皮层(V1)和高级视觉区域。根据这一事实,本文提出了一种算法,在该算法结构中,除了全连接层之外,在卷积层中将失真图像对的左右视图通过加减进行...原创 2019-09-15 15:52:53 · 807 阅读 · 0 评论 -
Blind image quality prediction by exploiting multi-level deep representations
摘要在IQA领域中已存在的神经网络大多数是太浅,并且将网络的最后一层的输出最为特征进行图像质量评价的训练。但这存在一些问题,首先网络的深度对于图像领域是十分重要的,其次在最后一层提取的信息可能高度概括了局部失真信息,而且中间层可能对于局部失真敏感但是却没有捕捉到高级的语义信息。因此在该算法中提取了多尺度的代表从深度神经网络中。介绍该算法主要思想是使用神经网络的最后一层输出作为特征,并不是一个...原创 2019-09-05 10:35:18 · 540 阅读 · 0 评论 -
A Novel Patch Variance Biased Convolutional Neural Network for IQA
摘要实验发现当对图像进行分块计算质量分数时,来自同质区域的块对于训练和最终的质量分数是不可靠的。具有复杂结构的图像块更有机会实现好的质量预测。因此在该算法中避免了同质图像块的使用,并且使用基于方差的权重对图像块质量分数进行加权和计算。图像块预测的特点基于CNN的IQA主要思想是对图像进行分块,通过网络分块得出每块的质量分数,最终的质量分数是由每块的质量分数的平均值得到的,但是不同块所占的质量...原创 2019-09-03 13:06:30 · 357 阅读 · 4 评论 -
A Blind Stereoscopic Image Quality Evaluator With Segmented Stacked Autoencoders
摘要该论文模拟了人类视觉感知的全过程,从人眼到额叶,特别是针对视网膜神经细胞(RGCs)和外侧膝状体核(LGNs)中的边缘和颜色的信号处理。除此之外为了模拟视觉皮层的复杂的和深度的结构,采用了分段堆放自编码器(S-SAE),这在之前的3DIQA中是没有应用过的。S-SAE的应用弥补了基于深度学习的IQA训练需要十分长的训练时间的问题。介绍人们都是用双眼看世界的,并且视网膜上的图像略有不同。两...原创 2019-09-01 20:05:04 · 526 阅读 · 0 评论 -
3D No-Reference Image Quality Assessment via Transfer Learning and Saliency-Guided Feature Consolid
摘要该论文方法主要有两步,第一步采用迁移学习思想,对已存在的网络微调最后一层形成特征提取算子提取特征,第二步使用显著性图作为权重将左右视图提取的特征进行融合,额外的再加上多尺度下的视差信息。将以上提取的特征作为训练所用的数据,最后采用SVR进行训练。介绍图像质量评价的主要思想是提取能够反映失真水平的特征,传统的方法里主要有以下两种:基于NSS的特征和基于HVS的特征,但是这些都需要花费大量的...原创 2019-08-31 11:19:17 · 338 阅读 · 0 评论 -
RAN4IQA:Restorative Adversarial Nets for No-Reference Image Quality Assessment
本博文介绍下2018年的AAAI一篇图像质量评价文章。本篇论文和CVPR的一篇文章原理十分类似,要了解上篇请参考Hallucinated-IQA算法原理对于失真图像,采用生成对抗网络来生成恢复图像,将失真图像和恢复图像一起输入到评价网络中,最终生成质量分数。算法详解Gain of Restoration(GoR)在本文模型中,将失真图像和恢复图像之间的差异定为GoR,实验发现对于特定的...原创 2019-08-09 18:26:32 · 1527 阅读 · 1 评论 -
Hallucinated-IQA
算法概述在失真图像的基础上产生了一个幻觉参考图像,将失真图像和幻觉参考图像成对输入回归网络中,同时结合生成网络中提取的部分信息,最终产生图像的质量分数。创新点首先在回归网络中,该网络将感知差异信息融合入回归网络中,这克服了“无参考”的弊端。在生成网络中提出了质量感知损失函数,该函数包含了纹理特征相似性和质量特征相似性,从而可以产生高质量的幻觉参考图。幻觉参考图像对最终的预测结果是十分重...原创 2019-08-09 13:46:40 · 1372 阅读 · 8 评论