學(xué)習(xí)盲圖像質(zhì)量評(píng)價(jià)方法研究.pdf

1、圖像質(zhì)量客觀評(píng)價(jià)是指通過(guò)設(shè)計(jì)合理的算法使計(jì)算機(jī)自動(dòng)精確地預(yù)測(cè)圖像的感知質(zhì)量。圖像質(zhì)量的評(píng)價(jià)結(jié)果可以為圖像處理算法的參數(shù)優(yōu)化、圖像處理系統(tǒng)的性能評(píng)估和圖像處理設(shè)備的質(zhì)量檢測(cè)提供重要的指標(biāo)和依據(jù)，已成為圖像處理領(lǐng)域的研究熱點(diǎn)之一。其中，盲圖像質(zhì)量評(píng)價(jià)是指在沒(méi)有參考圖像的情況下對(duì)任意輸入圖像的視覺(jué)質(zhì)量進(jìn)行精確預(yù)測(cè)。由于在絕大多數(shù)的實(shí)際應(yīng)用場(chǎng)景中，測(cè)試圖像對(duì)應(yīng)的參考圖像是無(wú)法或難以得到的，因此對(duì)于盲圖像質(zhì)量評(píng)價(jià)的研究至關(guān)重要。
　　本文針

2、對(duì)盲圖像質(zhì)量評(píng)價(jià)問(wèn)題，開(kāi)展了系統(tǒng)深入的研究工作，旨在利用機(jī)器學(xué)習(xí)方法提高盲圖像質(zhì)量評(píng)價(jià)的特征表達(dá)能力、質(zhì)量預(yù)測(cè)精度以及模型學(xué)習(xí)效率。研究?jī)?nèi)容主要針對(duì)圖像特征提取、質(zhì)量預(yù)測(cè)建模、學(xué)習(xí)框架設(shè)計(jì)、主觀實(shí)驗(yàn)驗(yàn)證等四個(gè)方面展開(kāi)。論文工作圍繞國(guó)家杰出青年科學(xué)基金資助項(xiàng)目“多媒體信息處理與分析”、國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目“面向多元空間融合的視覺(jué)計(jì)算與圖像質(zhì)量評(píng)價(jià)”、國(guó)家自然科學(xué)基金資助項(xiàng)目“基于廣義稀疏表示的異質(zhì)人臉圖像變換和質(zhì)量評(píng)價(jià)”、教育部“創(chuàng)新

3、團(tuán)隊(duì)發(fā)展計(jì)劃”資助項(xiàng)目“視覺(jué)計(jì)算與協(xié)同認(rèn)知”、陜西省重點(diǎn)科技創(chuàng)新團(tuán)隊(duì)資助項(xiàng)目“西安電子科技大學(xué)計(jì)算理論與影像信息學(xué)創(chuàng)新團(tuán)隊(duì)”等項(xiàng)目的研究任務(wù)。本文的研究?jī)?nèi)容可以概括為以下四個(gè)部分：
　　第一部分研究基于多核學(xué)習(xí)的盲圖像質(zhì)量評(píng)價(jià)方法。提取精確完備的自然圖像統(tǒng)計(jì)特征，并基于多核學(xué)習(xí)建立了兩種盲圖像質(zhì)量評(píng)價(jià)模型。首先，基于自然圖像的非高斯特性、局部相關(guān)特性和指數(shù)衰減特性，分別提取圖像統(tǒng)計(jì)特征。然后，通過(guò)分析不同失真情況下特征隨圖像質(zhì)量的

4、變化情況，綜合多核學(xué)習(xí)的異質(zhì)特性，分別利用全局框架和兩步框架學(xué)習(xí)通用型盲圖像質(zhì)量評(píng)價(jià)模型。在標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)測(cè)試結(jié)果表明，該研究可以有效提升圖像統(tǒng)計(jì)特征的表達(dá)能力，并提高盲圖像質(zhì)量評(píng)價(jià)模型與主觀感知之間的一致性。
　　第二部分研究基于主動(dòng)學(xué)習(xí)的盲圖像質(zhì)量評(píng)價(jià)方法。建立了主動(dòng)特征學(xué)習(xí)框架，并將其應(yīng)用于盲圖像質(zhì)量評(píng)價(jià)。主動(dòng)特征學(xué)習(xí)框架旨在將主動(dòng)學(xué)習(xí)策略引入到傳統(tǒng)無(wú)監(jiān)督特征學(xué)習(xí)中，以提升圖像特征的判別能力。在該框架中，首先從訓(xùn)練圖像中

5、提取圖像塊并進(jìn)行預(yù)處理得到圖像的局部特征描述。然后基于主動(dòng)學(xué)習(xí)策略，綜合考慮圖像塊自身的表征性以及圖像塊之間的差異性，迭代選擇最優(yōu)的圖像塊構(gòu)建字典。之后，對(duì)于給定的輸入圖像，首先計(jì)算其局部特征描述，然后在所學(xué)字典上進(jìn)行編碼，并對(duì)編碼系數(shù)進(jìn)行綜合，得到圖像的特征描述。最后，基于支撐向量回歸構(gòu)建盲圖像質(zhì)量評(píng)價(jià)模型。在標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)表明，在圖像特征維度較低時(shí)，基于主動(dòng)特征學(xué)習(xí)的盲圖像質(zhì)量評(píng)價(jià)模型預(yù)測(cè)精度提升近8％。
　　第三部分研究

6、基于排序?qū)W習(xí)的盲圖像質(zhì)量評(píng)價(jià)方法?；谂判?qū)W習(xí)技術(shù)，設(shè)計(jì)利用圖像質(zhì)量偏好學(xué)習(xí)盲圖像質(zhì)量評(píng)價(jià)模型的新框架?，F(xiàn)有學(xué)習(xí)盲圖像質(zhì)量評(píng)價(jià)方法需要觀測(cè)者對(duì)大量圖像標(biāo)記質(zhì)量分?jǐn)?shù)來(lái)訓(xùn)練模型參數(shù)。而主觀質(zhì)量分?jǐn)?shù)存在不精確、有偏、費(fèi)時(shí)耗力等缺陷，限制了盲圖像質(zhì)量評(píng)價(jià)模型的預(yù)測(cè)精度和擴(kuò)展能力。為解決這一問(wèn)題，我們提出利用圖像之間的質(zhì)量偏好關(guān)系學(xué)習(xí)盲圖像質(zhì)量評(píng)價(jià)模型的框架。在該框架中，首先基于排序?qū)W習(xí)的思想，將進(jìn)行質(zhì)量預(yù)測(cè)的問(wèn)題轉(zhuǎn)化為學(xué)習(xí)質(zhì)量偏好的問(wèn)題，并利用

7、特征融合策略及多核學(xué)習(xí)方法進(jìn)行求解。然后，基于投票策略設(shè)計(jì)簡(jiǎn)單有效的圖像質(zhì)量分?jǐn)?shù)預(yù)測(cè)函數(shù)。在標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)表明，該學(xué)習(xí)框架改善了盲圖像質(zhì)量評(píng)價(jià)模型的學(xué)習(xí)效率和擴(kuò)展能力，并且具有很高的主客觀一致性。
　　第四部分研究主觀圖像質(zhì)量偏好數(shù)據(jù)庫(kù)的建立。提出基于松弛策略的圖像質(zhì)量成對(duì)比較方法，并通過(guò)主觀實(shí)驗(yàn)構(gòu)建主觀圖像質(zhì)量偏好數(shù)據(jù)庫(kù)。針對(duì)傳統(tǒng)成對(duì)比較方法的缺陷，利用松弛策略提升成對(duì)比較實(shí)驗(yàn)的效率以及主觀標(biāo)記數(shù)據(jù)的可靠性。然后，通過(guò)設(shè)計(jì)測(cè)

8、試環(huán)境、準(zhǔn)備測(cè)試材料、培訓(xùn)觀測(cè)者等進(jìn)行主觀實(shí)驗(yàn)，構(gòu)建主觀圖像質(zhì)量偏好數(shù)據(jù)庫(kù)。之后，通過(guò)對(duì)主觀數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，驗(yàn)證基于松弛策略的成對(duì)比較方法的合理性。最后，利用主觀實(shí)驗(yàn)數(shù)據(jù)學(xué)習(xí)盲圖像質(zhì)量評(píng)價(jià)模型，驗(yàn)證主觀實(shí)驗(yàn)數(shù)據(jù)的可靠性以及基于排序?qū)W習(xí)的盲圖像質(zhì)量評(píng)價(jià)學(xué)習(xí)框架的有效性。
　　上述研究涵蓋了學(xué)習(xí)盲圖像質(zhì)量評(píng)價(jià)中的特征表示、質(zhì)量預(yù)測(cè)、學(xué)習(xí)框架、主觀實(shí)驗(yàn)四項(xiàng)關(guān)鍵技術(shù)，有效改善了學(xué)習(xí)盲圖像質(zhì)量評(píng)價(jià)的預(yù)測(cè)精度、擴(kuò)展能力和學(xué)習(xí)效率。本文的研究