北理工在無參考圖像質量評價方面取得研究進展
發布日期：2020-04-30 供稿：信息與電子學院
編輯：曹安琪 審核：司黎明 閱讀次數：近日，北京理工大學信息與電子學院鄧宸偉教授、博士生王水根、趙保軍教授，美國德克薩斯大學奧斯丁分校Alan Bovik教授與新加坡南洋理工大學Guang-Bin Huang教授共同合作，利用變換域二維峰態統計特征顯著提升了圖像噪聲無參考質量評價的精度，同時增加了模型兼容性。研究結果以《Blind noisy image quality assessment using sub-band kurtosis》為題，發表在頂級期刊美國電氣和電子工程師協會控制匯刊[IEEE Transactions on Cybernetics, 50(3) 1146-1156 (2020)](影響因子IF:10.387)。
圖1.圖像無參考質量評價算法的流程示意圖
數字圖像在獲取、儲存和傳輸等過程中，都可能會引入噪聲，導致圖像質量下降，難以滿足用戶應用需求。因此，如何準確評估圖像質量的好壞，成為圖像處理研究領域的熱點。圖像質量評價方法可以分為主觀評價方法和客觀評價方法：主觀評價需要借助多個觀察者對圖像進行打分，費時費力；客觀評價是建立與圖像質量相關的數學模型，讓計算機自動推導出圖像質量，可廣泛應用圖像或視頻處理系統。無參考圖像質量評價是一種客觀質量評價方法，無需借助任何原始圖像信息，僅依靠待評價圖像本身的信息進行質量評估，具有極高的實用價值并受到越來越多的關注。然而，自然圖像內容豐富多變、噪聲種類繁雜，現有評估模型難以準確反映圖像質量，只能針對特定噪聲進行評估，應用范圍受限，且計算復雜度高，難以滿足應用需求。
圖2.TID2008數據庫中噪聲污染圖像以及相應的二維小波系數分布圖
統計特征是從自然圖像特有的統計規律中提取的描述量，其特性會隨著圖像噪聲污染程度變化而改變。該團隊研究小波系數的統計特性，發現低噪聲或無噪聲自然圖像的小波系數具有細峰、尖峰的分布;而有噪聲的圖像往往是平頂的，尾部較淺的分布。根據上述規律，設計了峰態特征來精確描述圖像受噪聲污染的程度，構建靈活的回歸模型對多種噪聲類型進行擬合，最終利用快速超限學習機技術，將提取的圖像小波系數峰態統計特征映射到圖像質量上，完成對待檢測圖像質量的評價。該項工作為實現圖像準確、高效的無參考評價提供了新的思路。
論文鏈接：https://doi.org/10.1109/TCYB.2018.2889376
附作者簡介：
鄧宸偉，北京理工大學信息與電子學院教授、博士生導師。近年來，主要面向高分辨率對地觀測領域國家重大需求，開展遙感圖像智能實時處理基礎和應用研究。發表第一/通信作者SCI論文30余篇，含ESI高被引三篇，五篇代表作SCI他引680余次。編寫中、英文著作各一部。相關研究成果已應用于特定領域，獲中國電子學會自然科學二等獎、軍隊科技進步二等獎各一項。
分享到：