针对监控图像受到多重噪声影响的特点,及安防对监控图像的信息量大小、子区域质量的特殊要求,提出一种基于空域特征的图像质量无参评估方法。该方法在图像自然场景统计模型空域特征基础上,引入图像二维信息熵作为特征之一;另外,提出分...针对监控图像受到多重噪声影响的特点,及安防对监控图像的信息量大小、子区域质量的特殊要求,提出一种基于空域特征的图像质量无参评估方法。该方法在图像自然场景统计模型空域特征基础上,引入图像二维信息熵作为特征之一;另外,提出分块分析方法,将图像的子区域质量并入图像特征;最后,通过机器学习优化特征权重,得到图像质量评价模型。交叉验证实验中,该方法对监控图像质量评估结果与主观质量得分的线性相关系数、斯皮尔曼等级相关系数均值分别为0.783和0.687,相对空域上的无参考质量评价方法 BRISQUE分别提高了0.7 d B和1.5 d B。实验结果表明,算法对监控图像质量评估结果与专业人士主观评价结果一致性明显高于对比算法。展开更多
文摘针对监控图像受到多重噪声影响的特点,及安防对监控图像的信息量大小、子区域质量的特殊要求,提出一种基于空域特征的图像质量无参评估方法。该方法在图像自然场景统计模型空域特征基础上,引入图像二维信息熵作为特征之一;另外,提出分块分析方法,将图像的子区域质量并入图像特征;最后,通过机器学习优化特征权重,得到图像质量评价模型。交叉验证实验中,该方法对监控图像质量评估结果与主观质量得分的线性相关系数、斯皮尔曼等级相关系数均值分别为0.783和0.687,相对空域上的无参考质量评价方法 BRISQUE分别提高了0.7 d B和1.5 d B。实验结果表明,算法对监控图像质量评估结果与专业人士主观评价结果一致性明显高于对比算法。
