用图表表示的分布相似性指数用于全参考图像质量评估
概括
我们为图像质量评估引入了一种新的图形表示图像分布相似性 (GRIDS) 指数. 这种方法通过分析基于图形的分布模式,准确地预测感知到的图像质量.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 机器学习 机器学习
背景情况:
- 图像质量评估 (IQA) 对于评估视觉数据至关重要.
- 现有的方法往往难以捕捉复杂的感知特征.
- 基于图形的表示提供了一个强大的方法来建模图像内容.
研究的目的:
- 提出一个新的全参考 (FR) 图像质量评估指数,称为GRIDS.
- 通过比较基于图形的分布模式来测量感知图像距离.
- 为了提高图像质量预测的准确性和可靠性.
主要方法:
- 将图像转换为基于图形的表示 (视觉图形).
- 将图形分解为群组,以导出联合概率分布.
- 在不同的图形模型深度中比较特征分布距离.
主要成果:
- GRIDS指数显示了与最先进的方法相比的竞争性表现.
- 在图像质量任务中实现了极高的预测准确度.
- 在质量预测中表现出一致和单调的行为.
结论:
- 拟议的GRIDS索引是全面参考图像质量评估的有效工具.
- 基于图形的图像表示捕捉了IQA必不可少的感知特征.
- GRIDS为准确可靠的图像质量预测提供了一种有前途的方法.
