论文整体思路:借助一个网络对distorted image进行处理,生成出一个处理后的图用来辅助IQA的分数拟合。本文生成出来的是相似图(指distorted图像同reference图像之间的由某种方法获得的相似图,这些相似图可以表示出来图像质量下降的程度),计算IQA的时候直接将这个中间相似图输入IQA的网络得到分数。
1.算法结构
结构共有两部分:上半部分(红色部分)为生成网络,下半部分(蓝色部分)为质量池化网络。
1)生成网络:FCNN的生成网络部分,网络结构是U-Net,4个下采样和对应的4个上采样通过skip连接起来,以便于更好的获得浅层的信息。输入图像是distorted图像中裁剪得到的image patch(patch大小设置为1441443),输出为相似度图,利用SSIM、FSIM的PC和GM、MDSI分别获得的相似度图作为标签,因此有四种label,对应四种生成网络模型。
2)质量池化网络
生成网络生成的两个map图(预测质量图)有不同的融合方式。
Blind Predicting Similar Quality Map for Image Quality Assessment阅读笔记
最新推荐文章于 2021-05-08 22:29:50 发布