一种基于风格转移的图像传感器快速图像质量评估方法

科学领域:

• 计算机视觉
• 图像处理
• 机器学习

背景情况:

• 精确的图像质量评估对于优化传感器性能和视觉数据保真至关重要.
• 图像风格包括颜色和纹理等视觉特征,显著影响感知质量.

研究的目的:

• 提出一种全参考图像质量评估 (FR-IQA) 的新方法,称为基于风格和内容的IQA (SCIQA).
• 开发一种整合图像内容和风格的方法,以更准确地评估感知质量.

主要方法:

• 使用深度卷积神经网络 (CNN) 在深度域中进行图像特征分解.
• 定义了基于内容和基于风格的深度感知距离指标.
• 制定了一个感知优化问题,通过凸优化解决模型参数调整.

主要成果:

• 在多个基准数据集 (LIVE,CSIQ,TID2013,KADID-10k,PIPAL) 上,SCIQA表现优于最新的FR-IQA方法.
• 实现了高的皮尔森线性相关系数 (PLCC) (例如,LIVE上的0.956) 和强大的通用性 (PIPAL上的SROCC为0.702).
• 在准确性方面超过传统 (SSIM) 和基于深度学习 (DISTS) 的方法.

结论:

• SCIQA提供了卓越的预测准确性,强大的解释性和低的计算复杂性.
• 拟议的方法是现实世界图像质量评估应用的实用和有效工具.