图像质量评估

一、图像质量评估思维导图

补光单元：照度均匀、中心重合度
成像伪像：振铃、色差、畸变、暗角
曝光时间：曝光精准度、曝光范围
清晰度：SFR
颜色信息：白平衡、色彩还原、色彩不均匀
图像质感：锐度
图像噪声：空间噪声、时域噪声、灰度噪声、信噪比、动态范围

思维导图下载

图像振铃现象参考

理想低通滤波器都在频率域的形状为矩形，那么其傅里叶逆变换在时间域为 sinc 函数
图像处理中，对一幅图像进行滤波处理，若选用频域滤波器具有陡峭的变化，则会导致滤波图像出现振铃现象，输出图像的灰度剧烈变化出产生了振荡。

产生振铃现象的本质原因是：对于辛格函数而言，经过傅里叶变换之后的函数形式为窗函数(理想低通滤波器)，用图像表示如下：

《Group MAD Competition − A New Methodology to CompareObjective Image Quality Models》

     文章提出了一种全新的图像质量评估算法的性能评估方法，通过构建4000张左右的高质量图像数据集，通过使用一般的高斯噪声、高斯模糊、畸变的变化构造不同等级图像质量的IQA图像数据集并用于gMAD算法的评估。
     gMAD算法的实施步骤如下：

• Step 1： 将所有M个IQA模型应用于d中的所有N张图像，这将得到一个M行N列的分数矩阵S，其中每个条目是一个特定IQA模型对一个特定图像给出的质量分数;
• Step 2： 设置i = 1，选择第一个模型作为防御者。其余的M−1模型是攻击者;
• Step 3： 从总共k个质量等级中选择第一个质量等级k = 1，其中k∈{1,2，···，k};
• Step 4： 在S中的第i行，找到质量级别k的所有图像(基于防御模型i)。这将得到图像子集Dik，其中根据防御模型i，所有图像具有相同或相似的质量分数;
• Step 5： 从攻击者模型(j∈i)中选择一个模型j。
• Step 6： 在 \(D_{ik}\) 中，找到一对分别对应于矩阵S第j行最小和最大质量分数的图像 \(I^l_{ijk}\) 和 \(I^u_{ijk}\) 。这个图像对被称为模型 \(j\) 提出的在质量水平 \(k\) 上攻击模型 \(i\) 的MAD反例
• Step 7： 对$I_{ijk} 和 \(I_{ijk}\) 进行主观质量判别检验(详情见第5.1节)
• Step 8： Choose another attacker model j and repeat Steps 6-7 until all attacker models are exhausted;
• Step 9： 通过设置k = k + 1选择下一个质量级别，重复步骤4-8，直到k = k(所有质量级别耗尽);
• Step 10： 设置i = i + 1选择下一个防御器型号，重复步骤3-9，直到i = M(所有IQA型号用尽);
• Step 11： 对主观质量判别试验结果进行统计分析(详见5.2节)。

Result: 对抗性能判断结果

     这种对抗式算法不经能够应用在图像质量算法的评估上，也可以延伸到其他的方法评估领域，最小化评估时间和空间复杂度，降低对测试图像数据集的需求，通过测试竞争反例从而且更加有效率地得到算法的性能数据，文章得到在 NR-IQA中表现较好的算法模型为 CORNIA [40], NIQE [18], ILNIQE ，FR-IQA中 MS-SSIM 表现良好。

文章下载：

1. Making a (Completely Blind) Image Quality Analyzer
2. Re-IQA Unsupervised Learning for Image Quality Assessment in the Wild

Matlab官方图像质量评估

研究机构

Laboratory for Image & Video Engineering

图像质量评估方法

• Cut-FUNQUE: Full-Reference Video Quality Assessment of Compressed Tone-Mapped HDR Videos NEW! GitHub
• FUNQUE+: Efficient and Accurate Full-Reference Video Quality Assessment NEW! GitHub
• Re-IQA: Unsupervised Learning for Image Quality Assessment in the Wild NEW! GitHub
• CONVIQT: Contrastive Video Quality Estimator NEW! GitHub
• Enhanced SSIM: An Improved Structural Similarity Metric NEW! GitHub (Optimized)
• HDR Image GRADient based Evaluator (HIGRADE) GitHub
• Gradient Magnitude Similarity Deviation (GMSD). GitHub
• No-reference Image Quality Assessment based on Spatial and Spectral Entropies GitHub
• No-reference image quality assessment in curvelet domain GitHub

Refernce

1. RankIQA HomePage
2. RankIQA Github
3. 图像质量评估综述