考慮視覺顯著性的圖像質(zhì)量評(píng)估.pdf

1、考慮人眼視覺特性的圖像質(zhì)量評(píng)估方法已經(jīng)成為客觀評(píng)估方法的主要研究方向,視覺顯著度(Visual Saliency)作為人類視覺系統(tǒng)當(dāng)中的高級(jí)特征正在被研究者們?nèi)谌氲皆u(píng)估過(guò)程當(dāng)中。現(xiàn)有的研究成果已經(jīng)表明將眼動(dòng)追蹤實(shí)驗(yàn)得到的顯著圖加入到圖像質(zhì)量評(píng)估算法當(dāng)中可以提升算法的性能。但是由于人類視覺系統(tǒng)的復(fù)雜特性,目前沒(méi)有模型可以準(zhǔn)確的對(duì)顯著度特性進(jìn)行建模,生成和眼動(dòng)數(shù)據(jù)接近的顯著圖。
　　為了研究模型預(yù)測(cè)的顯著圖和眼動(dòng)實(shí)驗(yàn)獲取的顯著度真實(shí)值

2、之間的差異,深入了解該差異對(duì)最終質(zhì)量評(píng)估算法性能的影響程度,本文首先進(jìn)行了眼動(dòng)(eye-tracking)實(shí)驗(yàn),獲取了LIVE database中所有參考圖像的顯著圖,并且選取了四個(gè)典型的顯著度模型和其進(jìn)行比較,證明了現(xiàn)有的顯著度模型預(yù)測(cè)精度較低,無(wú)法真實(shí)反映人眼的顯著度特性。
　　該對(duì)比實(shí)驗(yàn)進(jìn)一步證明隨著顯著度模型預(yù)測(cè)精度的提升,模型在評(píng)估算法中帶來(lái)的性能增益越高;更重要的是,本實(shí)驗(yàn)還發(fā)現(xiàn)了引入顯著性帶來(lái)的評(píng)估性能增益是和圖像內(nèi)

3、容相關(guān)的。因此,是否融入顯著圖應(yīng)該首先考慮圖像的特性,在最小化評(píng)估算法復(fù)雜度的前提下,最大化其性能增益。
　　在上述結(jié)論的基礎(chǔ)上,本文提出了一種基于對(duì)比度的顯著度預(yù)測(cè)模型,該模型在對(duì)顯著度進(jìn)行建模時(shí)僅利用高斯金字塔提取的亮度對(duì)比度特征,相比于其他算法具有較低的復(fù)雜度;其次,本算法在考慮圖像內(nèi)容特性的基礎(chǔ)上自適應(yīng)的將模型融入到SSIM和PSNR評(píng)估算法當(dāng)中。實(shí)驗(yàn)結(jié)果表明,兩種評(píng)估算法的性能都得到了提升并且增益結(jié)果和引入眼動(dòng)實(shí)驗(yàn)數(shù)據(jù)的