培养和使用无参考质量评估模型
自然图像质量评估器(NIQE)和盲/无参考图像空间质量评估器(BRISQUE)算法使用训练过的模型来计算质量评分。
这两种算法都使用相同的可预测统计特征训练一个模型,称为自然场景统计(NSS)。NSS是基于空间域的归一化亮度系数,并建模为多维高斯分布。失真表现为对高斯分布的扰动。
算法的不同之处在于它们如何使用NSS特征来训练模型和计算质量分数。
NIQE工作流
NIQE测量任意失真图像的质量。NIQE模型没有使用主观质量分数进行训练,但是权衡的结果是,NIQE分数与人类对质量的感知不像BRISQUE分数那样可靠地相关。
训练NIQE模型
请注意
如果默认的NIQE模型为您的应用程序提供了足够的质量评分,则不需要训练新的模型。你可以跳到利用NIQE模型预测图像质量.
为了训练一个NIQE模型,将原始图像的数据存储传递给fitniqe
函数。该函数将每个图像划分为块,并为每个块计算NSS。训练过程只包括具有统计显著特征的块。
返回的模型,niqeModel
,存储由NSS特征导出的多元高斯均值和标准差。
利用NIQE模型预测图像质量
使用niqe
函数为具有任意失真的图像计算图像质量分数。的niqe
函数从失真图像中统计显著的块中提取NSS特征。该函数拟合图像NSS特征的多元高斯分布。质量分数是高斯分布之间的距离。
该图显示了完整的NIQE工作流。
BRISQUE工作流
BRISQUE仅限于测量与模型具有相同类型失真的图像的质量。BRISQUE模型使用主观意见评分进行训练,其优点是BRISQUE评分与人类对质量的感知具有良好的相关性。
训练一个BRISQUE模型
请注意
如果默认的BRISQUE模型为您的应用程序提供了足够的质量分数,则不需要训练新的模型。你可以跳到用BRISQUE模型预测图像质量.
训练一个BRISQUE模型,传递到fitbrisque
功能:
包含已知失真的图像和这些图像的原始副本的数据存储
对数据库中每个扭曲图像的主观意见评分
该函数计算每个图像的NSS特征,而不将图像划分为块。该函数利用NSS特征和相应的意见评分来训练支持向量机回归模型。万博1manbetx返回的模型,brisqueModel
,存储支持向量回归器的参数。万博1manbetx
用BRISQUE模型预测图像质量
使用brisque
函数计算与模型具有相同类型畸变的图像的图像质量分数。的brisque
函数从失真图像中提取NSS特征,并利用支持向量回归预测质量分数。万博1manbetx
该图表显示了完整的BRISQUE工作流。
另请参阅
fitbrisque
|brisqueModel
|niqe
|niqeModel
|fitniqe
|brisque