Paper | BLIND QUALITY ASSESSMENT OF COMPRESSED IMAGES VIA PSEUDO STRUCTURAL SIMILARITY

动机:作者认为,基于块的压缩会产生一种伪结构(pseudo structures),并且不同程度压缩产生的伪结构具有一定的相似性。那么,我们就可以通过检测伪结构相似性,来评估压缩图像质量。

检测方法:将压缩图像进行最大程度压缩,得到most distorted image(MDI);然后再计算压缩前后的相似性,即pseudo structural similarity(PSS)。如果压缩图像本身质量很差,那么相似度就会很高。

意义:该方法不仅对于自然压缩图像很有效,而且对screen content image(SCI)也很有效。

本文考虑JPEG压缩图像。

【本文似乎主要考虑块效应,因为作者强调伪结构出现在块边缘。其实还有块内模糊可以考虑】

1. 技术细节

1.1 得到MDI

首先,PSS的意义在于利用了质量坐标的另一个方向,从而实现盲IQA:

1_1

具体而言,MDI是通过MATLAB的imwrite函数,设置质量为0压缩得到的。

1.2 判别伪结构,计算伪结构相似性

[14]指出:自然图像中的角(corner)分布是不规律的。但对于JPEG压缩图像,角就变得规律了。这是因为压缩引入了大量伪角,且主要集中在块边缘。[14]就是用规律的角的占比,来刻画压缩失真程度。

本文的判别方式简单粗暴【但不准确】:只要检测到的角分布在\(8 \times 8\)边缘上,那么就被判定为伪结构;否则就判定为正常结构。这样,我们就能得到一个伪结构图:

1_2

可以从图中看到,但压缩越剧烈、质量越差时,压缩图像和MDI重合的伪结构就越多(红色代表重合点)。

检测角的方法借助[17]。

进一步,PSS就是 重合伪结构的数目 除以 MDI中伪结构的数目。

2. 实验

实验效果不是最佳的,只是和SOTA方法[7]不相上下。注意,在SCI上测试同样不错。

此外,作者还将这种思路用于检测一般失真。做法是:在一些基于特征的NR方法基础上,将PSS作为一个新的特征。从表2可以看出,PSS特征通常能显著改善 基于特征的NR方法 的性能。

猜你喜欢

转载自www.cnblogs.com/RyanXing/p/PSS.html