Degraded Image Quality Assessment by No-reference Methods.pdf

1、圖像在傳輸?shù)侥康牡刂皶?jīng)過通信系統(tǒng)的不同階段。通過這些階段過程中會受到不同類型的干擾。例如，當通過攝影設備獲取圖像時，光學、傳感器噪聲、色彩校正、相位控制、照相機移動等會引入許多干擾。另外，為了獲取帶寬上更大存儲空間而設計的壓縮算法時允許一定的干擾發(fā)生。此外圖像在通道上的傳輸或存儲（很少情況）時會引入比特誤差干擾。最后，負責顯示最后輸出的監(jiān)測設備可能會以低的復制分辨率和劣質(zhì)的校準等形式引入干擾。測量不同階段增加的干擾并測定質(zhì)量是十分重

2、要的。
　　傳統(tǒng)的服務質(zhì)量主要關注網(wǎng)絡的性能（數(shù)據(jù)丟失，吞吐量和延遲）。現(xiàn)代的服務質(zhì)量概念已經(jīng)變成反映所有用戶的實踐包括訪問和提供的服務。為了滿足服務質(zhì)量的要求，服務的提供者識別并測量圖像退化的質(zhì)量是十分必要的。
　　盡管無參考圖像質(zhì)量評估構造起來更加困難，但它更具有實際意義，是所有圖像質(zhì)量評估方法中更加渴望得到的方法。無參考圖像質(zhì)量評估能夠盲評估圖像的質(zhì)量。
　　本文探討了圖像質(zhì)量評估的許多挑戰(zhàn)。解決的最大挑戰(zhàn)之一是

3、解決了沒有原始圖像或其部分特征（要求原始圖像或其部分特征分別相應于全參考和半?yún)⒖紙D像質(zhì)量評估）的情況下，定量地盲評估出干擾圖像質(zhì)量。
　　相比需要在數(shù)據(jù)庫上訓練的無參考圖像質(zhì)量評估算法，我們設計的無參考圖像質(zhì)量評估算法不依賴于特定的干擾類型或相應的人類意見分數(shù)（DMOS），可以稱之為完全盲的無參考圖像質(zhì)量評估算法。
　　如果被評估的圖像描述為干擾圖像，利用自然景象建立的模型充當表示高質(zhì)量“原始圖像”的信息源。選擇對測量圖像質(zhì)

4、量有意義的適當?shù)膱D像特征。因此，模型選擇了不同類型的特征，這些特征利用統(tǒng)計方法提取，能夠幫助有效快速提取景象要點。獲取特征的方法依賴于邊緣和圖像中更銳利的部分。
　　圖像質(zhì)量數(shù)據(jù)庫是圖像質(zhì)量評估算法中重要的真值信息。因此利用LIVE數(shù)據(jù)庫衡量算法可以預測差別的平均預測分數(shù)（DMOS）值的效果如何。此外，本研究使用了兩個評估圖像質(zhì)量評估算法的性能標準：由視頻質(zhì)量專家組提出的用以預測準確性和單調(diào)性。
　　本研究解決的另一個挑戰(zhàn)是