图像质量评价研究综述--从失真的角度
随着多媒体技术的快速发展及广泛应用，图像质量评价因其在多媒体处理中的重要作用得到越来越多的关注，其作用包括图像数据筛选、算法参数选择与优化等。根据图像质量评价应用时是否需要参考信息，它可分为全参考图像质量评价、半参考图像质量评价和无参考图像质量评价，前两类分别需要全部参考信息和部分参考信息，而第3 类不需要参考信息。无论是全参考、半参考还是无参考图像质量评价，图像失真对图像质量评价的影响均较大，主要体现在图像质量评价数据库构建和图像质量评价模型设计两方面。本文从图像失真的角度，主要概述2011—2021 年国内外公开发表的图像质量评价模型，涵盖全参考、半参考和无参考模型。根据图像的失真类型，将图像质量评价模型分为针对合成失真的图像质量评价模型、针对真实失真的图像质量评价模型和针对算法相关失真的图像质量评价模型。其中，合成失真是指人工添加噪声，如高斯噪声和模糊失真，通常呈现均匀分布；真实失真是指在图像的获取中，由于环境、拍摄设备或拍摄操作不当等因素所引入的失真类型。相对合成失真，真实失真更为复杂，可能包括一种或多种失真，数据收集难度更大；算法相关失真是指图像处理算法或计算机视觉算法在处理图像时，由于算法本身的缺陷或性能不足等原因而出现在结果图像中的降质，相对合成失真和真实失真，算法相关失真的显著特点是该类型失真呈现非均匀分布。本文介绍现有的图像质量评价数据库，包括图像数据来源和数据库构建细节等；然后重点介绍图像质量评价模型的设计思想。最后总结了介绍的图像质量评价模型，并指出未来可能的发展方向。
图像质量评价(IQA) 图像处理 视觉感知 计算机视觉 机器学习 深度学习
鄢杰斌 方玉明 刘学林
江西财经大学信息管理学院,南昌 330032
国内会议
线上
中文
1430-1466
2022-04-21（万方平台首次上网日期，不代表论文的发表时间）