基于语义失真度量的图像质量评价研究

发布时间：2021-06-16 06:21

　　作为承载信息的重要媒介,图像在采集、传输、处理过程中会不可避免地受到污染,导致其质量下降。图像质量评价（Image Quality Assessment,IQA）旨在研究如何评价降质图像的质量变化。随着图像应用的发展,从图像中提取语义信息成为一个重要的任务,例如从图像中检测某类物体、识别人脸、判断行为等。在此类应用中,图像质量评价应该以是否提取出与人类感知相同的语义信息为标准,而非基于图像的像素信息或者美学感受进行判别。因此,如何定义及度量语义失真成为此类研究中的重要问题。图像质量评价方法通常包括两类:客观质量评价（Objective Quality Assess-ment,OQA）和主观质量评价（Subj ective Quality Assessment,SQA）。客观质量评价方面,传统质量评价指标如峰值信噪比（Peak Signal to Noise Ratio,PSNR）和结构相似性指数（Structural Similarity,SSIM）,仍然被广泛应用于各类任务的图像处理算法中作为衡量标准。但这些客观质量评价方法大多基于最底层的视觉信号层面,而非从高级别语义层的角度评估图... 

【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

图２．１?ＳＯＭ算法框架丨３８丨??ＳＯＭ中的ＯＰ算法需要综合考虑各种因素，具体如下：１）算法在图像质量??

??图２．１?ＳＯＭ算法框架丨３８丨??ＳＯＭ中的ＯＰ算法需要综合考虑各种因素，具体如下：１）算法在图像质量??有较大变化时表现稳定因此维持提取低层特征过程受到较少影响；２）能够灵敏??地体现图像质量变化的算法有助于提取高层特征；３）算法对于不同图像失真类??型具有较强的鲁棒性；４）算法需要在重叠０Ｐ区域提取特征，因此要求较多重叠??的０Ｐ部分要尽可能少；５）较快的算法速度有助于实时计算。经过实验，ＢＩＮＧ??在上述方面表现均衡，因此被选为ＳＯＭ中的ＯＰ算法，提取效果如图２．２所示。??圍鐵??图２．２?ＢＩＮＧ在ＬＩＶＥ数据集上检测到的高分ＯＰ区域示例州??具体地，ＳＯＭ的高层信息提取和底层信息提取方法分别介绍如下。对于高??层信息提取，使用ＢＩＮＧ提取的０Ｐ会产生大量重叠区域，按照公式２．６进行重叠??度（Ｉｎｔｅｒｓｅｃｔｉｏｎ?ｏｖｅｒ?Ｕｎｉｏｎ，ＩｏＵ）计算。其中５＾?ｎ?表示０Ｐ区域ａ和６的交集??面积

第３章客观语义失真度量特征，预训练模型为ｉｎｃｅｐｔｉｏｎ?ｖ３，将ｓｏｆｔｍａｘ前的固成为图像嵌入（ｉｍａｇｅ－ｅｍｂｅｄｄｉｎｇ）向量。ｄｅｃｏｄｅｒ采用ｉｍａｇｅ－ｅｍｂｅｄｄｉｎｇ的特征向量，输入序列５１?＝?ＸＩ，Ｓ２ｄｉｎｇ）后形成５１２维词向量。输入ＬＳＴＭ中５１２个单输入序列右移一个位置。??Ｉ?ｌ〇ｇｐｉ（Ｓ｜）?ｌｏｇ?Ｐ２（Ｓ２）?ｌｏｇ?ｐｎ（Ｓｎ）??


本文编号：3232547