《Most apparent distortion: full-reference image quality assessment and the role of strategy》论文翻译

最近主要研究质量评估这方面的论文了，这里主要记录一篇全参考质量评估的论文。论文下载：链接：https://pan.baidu.com/s/1SfnoWNIbz_x4piDSsq1lJw 提取码：49h6。废话不多说。

摘要

我们提出采用多种策略来确定人类视觉系统(HVS)的图像质量。因此，我们提出了一种质量评估方法(MAD)，该方法试图显式地模拟这两种不同的策略。局部亮度和对比度掩码用于估计高质量图像中基于检测的感知失真，而空间频率分量的局部统计量的变化则被使用于估计低质量图像中基于外观的感知失真。

2、背景

现代图像质量评估方法一般可分为以下几类：1、基于HVS性质的方法；2、基于图像结构测量的方法；3.基于其他质量评估方法。

3、算法

3.1、高质量图像检测策略

步骤1：计算扭曲可见的位置

如下图所示， $I_{dst}$ 为失真图像， $I_{org}$ 为原始图像，像素值的范围为 $[0,2^{n}]$ （如：0~255）。图像大小为：MxN。那么我们可以依次计算如下：

感知亮度

首先需要将像素转化为亮度图像，计算公式如下：

$L=(b+kI)^{r}$

其中：L——亮度图像

b、k、r——为常数。对于8bit的RGB图像来说，一般b=0,k=0.02874,r=2.2

然后，我们考虑了非线性HVS对亮度的响应，通过将亮度转换为感知亮度（相对亮度），计算公式如下：

$\hat{L}=\sqrt[3]{L}$

其中Lˆ表示相对亮度，是CIELAB颜色空间中使用的L粗略近似。

最终，误差图像可以表示为： $\hat{L_{err}}= \hat{L_{org}} - \hat{L_{dst}}$

对比敏感度函数

我们通过使用CSF对比度灵敏度函数的模型来考虑空间频率的近阈值灵敏度变化。CSF的计算公式如下：

其中： f表示每个视角度的周期中的径向空间频率； $\theta \subseteq [-\pi ,\pi ]$ ； $f_{\theta }=f/[0.15cos(4\theta )+0.85]$ 。

通过使用CSF函数对原始图像和误差图像进行滤波，这个滤波是在频域中进行的，具体计算公式如下：

$I^{'}=F^{-1}[\check{H}(u,v)\times F[\hat{L}]]$

其中， $F[\cdot ] ,F^{-1}[\cdot ]$ 表示DFT和逆DFT， $\check{H}(u,v)$ 是基于傅里叶版本的 $H(f,\theta )$

此时， $I^{'}_{org}$ 和 $I^{'}_{err}$ 表示原始和错误图像，其值与感知亮度和感知对比度成线性比例。 $I^{'}_{err}$ 可以被认为是图像中的失真，HVS可以检测到这些失真是否是在统一的背景下观看的，而不是在图像上观看。

对比度掩模法

为了计算图像的存在会降低失真的可检测性，我们采用了一种简单的对比度掩蔽的域度量。首先，计算局部对比图，通过将 $I^{'}_{org}$ 划分为16X16块且相邻块之间有75%的重叠，然后计算每个块的RMS对比度，其中RMS对比度是在光度域中测量的。计算 $I^{'}_{org}$ 块p的均方根对比度的计算公式如下：

$C_{org}(p)=\tilde{\sigma }_{org} (p) / \mu _{org}(p)$

同理，可以计算误差图的RMS对比度，计算公式如下：

最后，我们使用两个局部对比度映射 $C_{org}(p)$ 和 $C_{err}(p)$ 来计算局部失真可见性映射,计算公式如下：

步骤2：将可见性映射与局部错误相结合

我们使用局部可见度加权的MSE来测量亮度域以确定感知失真。这里我们定义了由于视觉检测而产生的感知失真d,计算公式如下：

其中，D(p)是为16X16块p通过计算的局部MSE而得到的，计算公式如下：

3.2、基于外观的低质量图像策略

为了对这种基于外观的策略进行建模，我们采用了一种基于多尺度log-Gabor滤波器局部响应统计的方法。

第一步：应用log-Gabor分解

原始图像和失真图像首先使用log-Gabor滤波器组分解成一组子图像。获得子图像的滤波是通过计算机在频域进行的，计算图像DFT乘积二维频率响应的的逆DFT得到，具体计算过程如下：

其中： $G_{s,o}(r,\theta )$ 是空间尺度指数s和方向指数o的滤波器。参数 $r=\sqrt{(u/M/2)^2+(v/N/2)^2}$ 为归一化径向频率， $\theta =arctan(v/u)$ 为方向。参数rs表示标度的归一化中心频率， $\sigma _{s}/r_{s}$ 计算带宽。参数 $u_{0}$ 是滤波器的中心取向， $\sigma _{0}$ 是角扩展。因为log-Gabor滤波器已经被证明可以近似原始皮层的反应，参数rs、 $\sigma _{s}$ 、 $u_{0}$ 和 $\sigma _{0}$ 可以被选择来匹配从哺乳动物视觉系统获得的相应估计。

通过频域乘法对原始图像和失真图像进行log-Gabor分解。无论是原始图像还是失真图像，其中每个子带 $\left \{ {c}'_{s,0} \right \}$ 都与图像大小相同。利用五个尺度s=1,...,5和四个方向o=1,...,4，因此，每幅图像产生20个子带。这种分解被应用于原始图像Iorg和失真图像Idst，以产生 $\left \{ {c}'^{org}_{s,0} \right \}$ 和 $\left \{ {c}'^{dst}_{s,0} \right \}$ 子带集很有效。

第2步：比较子带统计

在计算 $\left \{ {c}'^{org}_{s,0} \right \}$ 和 $\left \{ {c}'^{dst}_{s,0} \right \}$ 后，将原始图像的局部子带与失真图像的相应局部子带统计量进行比较，定义局部统计差图p 为块间重叠75%的每16X16块，块相应子带的标准差、偏度和峰度的差异系数是通过计算的，具体计算公式如下：