基于語(yǔ)義嵌入顯著性的圖像質(zhì)量評(píng)價(jià)方法研究.pdf

1、視覺(jué)質(zhì)量評(píng)價(jià)在各種多媒體應(yīng)用中起到了關(guān)鍵性的作用。由于人類(lèi)的視覺(jué)系統(tǒng)是視覺(jué)信號(hào)的最終接收體，故主觀視覺(jué)質(zhì)量評(píng)價(jià)被認(rèn)為是最可靠的視覺(jué)質(zhì)量評(píng)估方法。但是，主觀視覺(jué)評(píng)估耗時(shí)且昂貴，因此，自動(dòng)的、客觀的視覺(jué)質(zhì)量評(píng)估方法已經(jīng)被開(kāi)發(fā)并被應(yīng)用于很多場(chǎng)合當(dāng)中。然而最廣泛使用的客觀視覺(jué)質(zhì)量度量方法，如均方誤差(MSE)、峰值信噪比(PSNR)等與人眼對(duì)視覺(jué)信號(hào)質(zhì)量的判斷相距甚遠(yuǎn)。人類(lèi)在分析視覺(jué)場(chǎng)景時(shí)，會(huì)迅速選擇性地找到“重要的”或“感興趣的”部分，對(duì)一副

2、圖像的不同位置分配不同的注意。因此本文根據(jù)視覺(jué)注意機(jī)制的選擇性注意特點(diǎn)，建立了顯著性模型來(lái)模擬人的視覺(jué)特性評(píng)價(jià)圖像質(zhì)量，使得圖像的客觀評(píng)價(jià)更接近于主觀評(píng)價(jià)結(jié)果。
　　由于自底向上注意機(jī)制提取的低層特征難以有效描述圖像的高層語(yǔ)義信息，本文采用人臉、行人、水平線和中心先驗(yàn)作為作為高層特征嵌入到自底向上的顯著性模型中，提出一種語(yǔ)義嵌入的顯著性檢測(cè)方法，即將自底向上的低層特征與自項(xiàng)向下的高層語(yǔ)義特征進(jìn)行有機(jī)的結(jié)合。實(shí)驗(yàn)結(jié)果表明，本文方法得

3、到的顯著圖在包含語(yǔ)義對(duì)象的復(fù)雜場(chǎng)景中能夠有效地預(yù)測(cè)人眼注視。
　　進(jìn)一步采用建立的語(yǔ)義嵌入顯著性模型對(duì)圖像質(zhì)量評(píng)價(jià)數(shù)據(jù)庫(kù)TID2013進(jìn)行統(tǒng)計(jì)分析，結(jié)果表明大多數(shù)情況下，參考圖與失真圖的顯著圖差異明顯。故將顯著圖作為一個(gè)特征計(jì)算失真圖像的的局部質(zhì)量，而對(duì)于顯著圖結(jié)果差異不明顯的失真類(lèi)型17和18分別提取圖像的梯度和顏色特征，最后采用支持向量回歸加權(quán)各特征得到最終的評(píng)價(jià)測(cè)度。通過(guò)與其他9種代表性的質(zhì)量評(píng)價(jià)方法的對(duì)比分析，結(jié)果表明，本