基于內(nèi)容的圖像質(zhì)量評價.pdf

1、隨著移動設備、大容量存儲設備和互聯(lián)網(wǎng)服務的日益普及，人們可以更加方便地生成、存儲、傳輸和分享圖像、視頻等多媒體數(shù)據(jù)。圖像數(shù)據(jù)的爆炸性增長不僅給我們帶來了大量的資源，也給圖像處理算法和計算機視覺應用提出了更高的挑戰(zhàn)。圖像的獲取、編碼、存儲、傳輸和顯示過程都可能造成圖像質(zhì)量的下降，從而影響人的視覺感受或者計算機視覺算法的性能。如何評價圖像的視覺質(zhì)量是計算機視覺領域的一個基礎性研究課題。目前研究較多的是無需人工參與的客觀圖像質(zhì)量評價方法。這類

2、算法一般從空域或者DCT、Wavelet等變換域提取圖像的底層特征或者統(tǒng)計特征，不考慮圖像的語義等高層信息。
　　針對現(xiàn)有方法的不足，本文提出了一種同時使用圖像底層特征和高層語義信息的無參考圖像質(zhì)量評價方法。本文的主要工作和創(chuàng)新點如下:
　　(1)研究和實驗分析了圖像質(zhì)量和圖像高層語義信息之間的關(guān)系。我們研究了人的視覺系統(tǒng)特性，發(fā)現(xiàn)人在觀察圖像時會先關(guān)注圖像中的目標等高層語義區(qū)域，而圖像語義信息的變換也會影響人對圖像質(zhì)量的感

3、受。我們通過深度神經(jīng)網(wǎng)絡的分類和語義區(qū)域分析實驗，發(fā)現(xiàn)圖像失真會使圖像的語義不清晰，且更難以找出其語義區(qū)域。
　　(2)本文設計了一種結(jié)合圖像高層語義信息和底層細節(jié)信息的圖像質(zhì)量評價框架。本文采用Object Proposal檢測算法得到類別無關(guān)的目標區(qū)域。這些區(qū)域的得分反映了圖像的語義清晰度，被用作圖像的高層語義特征。同時從這些區(qū)域中隨機選擇一定量的圖像塊，將它們編碼到視覺碼本上，將pooling后的編碼值用作底層質(zhì)量特征。這兩