本文探讨了如何利用NIQE（Natural Image Quality Evaluator）指标来评估无参考图像增强技术。NIQE通过计算图像的统计特性来提供一个客观的质量评估。在没有标签图像的无参考数据集如LIME、MEF、DICM上，先用LOL数据集训练模型进行图像增强，然后应用增强后的图像到NIQE中，获取质量评分。这种方法有助于确保增强后的图像质量。
在无参考数据集（比如LIME、MEF、DICM）上使用NIQE指标
NIQE怎样使用：任意提供一张图片给NIQE代码，NIQE代码会返回一个数值，而这个数值就是NIQE数值。
2.
对于深度学习模型中的监督学习模型，它需要训练集对模型进行训练，而训练集必须要求有标签图像，但是无参考数据集（比如LIME、MEF、DICM）是没有标签图像的。但是我们不能把完全没有经过训练的网络模型去增强无参考数据集（比如LIME、MEF、DICM）中的图像，这样增强得到的图像质量会很差。所以一般我们使用LOL数据集中的训练集对模型进行训练，训练好之后，使用训练好的权重模型去增强无参考数据集（比如LIME、MEF、DICM）。然后将增强后的无参考数据集（比如LIME、MEF、DICM）中的图片输出到NIQE代码中，就能得到NIQE指标数值了。
3.
参考文献：
Luminance-Aware Pyramid Network for Low-Light Image Enhancement
扫一扫
3787
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
