Blind Stereo Image Quality Assessment Inspired by Brain Sensory-Motor Fusion
Isfahan University of Technology（伊斯法罕理工大学）；McMaster University（麦克马斯特大学）；University of Michigan（密歇根大学）
3D和立体成像的使用正在迅速增加。压缩、传输和处理会降低立体图像的质量。这种图像的质量评估不同于其2D对应物。代表人类视觉系统（HVS）的3D感知的图像被期望更准确地评估立体质量。本文受大脑感觉/运动融合过程的启发，将两幅立体图像融合在一起。然后从每幅融合图像中提取两幅合成图像。不同的失真对合成图像的统计分布的影响。基于观察到的统计变化，从这些合成图像中提取特征。这些特征可以揭示扭曲的类型和严重程度。然后，提出了一种堆叠的神经网络模型，该模型对提取的特征进行学习，准确地评价立体图像的质量。该模型在流行数据库的3D图像上进行了测试。实验结果表明，该方法优于现有的立体图像质量评价方法
2017-09-03 cs.CV
A Novel Image Dehazing and Assessment Method
University of Karachi（卡拉奇大学）；Kyung Hee University（庆熙大学）
在有雾天气条件下拍摄的图像通常会受到颜色对比度和颜色保真度的影响。这种退化由表示衰减量的透射图和表示加性噪声颜色的空气光表示。在本文中，我们已经提出了一种方法来估计的透射图，而不是空气光的颜色，因为有一些模糊的估计空气光的烟雾水平。定性和定量的结果表明，所提出的方法的竞争力。此外，我们还提出了两个度量，这是基于自然的户外图像的统计评估去雾算法。
2020-01-20 cs.CV
Blind Omnidirectional Image Quality Assessment: Integrating Local Statistics and Global Semantics
University of Waterloo（滑铁卢大学）
全向图像质量评估（OIQA）旨在预测覆盖整个180 $\times$ 360 $^{\circ}$视觉环境观察范围的全向图像的感知质量。在这里，我们提出了一个盲/无参考OIQA方法命名为S $^2$，桥梁之间的差距低层次的统计和高层次的语义全向图像。具体而言，统计和语义特征分别从多个局部视口和超分辨率全局全向图像中提取。随后进行质量回归以及加权处理，将提取的质量感知特征映射到感知质量预测。实验结果表明，所提出的S $^2$方法提供了高度竞争力的性能对国家的最先进的方法。
2023-02-24 cs.CV cs.MM
Statistical evaluation of visual quality metrics for image denoising
Tampere University of Technology（坦佩雷理工大学）；National Aerospace University（国立航空航天大学）
本文研究了去噪图像的全参考视觉质量评估问题，特别强调了低对比度和类噪声纹理图像。这种图像的去噪与噪声去除一起通常导致图像细节丢失或平滑。一个新的测试图像数据库，FLT，包含75无噪声的“参考”图像和300过滤（“失真”）图像的开发。每个参考图像，损坏的加性高斯白噪声，去噪的BM 3D滤波器具有四个不同的阈值参数值（四个级别的噪声抑制）。对失真图像进行感知质量评估后，获得平均意见评分（MOS），并与已知的完整参考质量指标的值进行比较。结果，PSNR值和MOS之间的斯皮尔曼等级相关系数（SROCC）具有接近于零的值，并且已知的全参考图像视觉质量度量值和MOS之间的SROCC不超过0.82（本文提出的新的视觉质量度量达到该值）。FLT数据集比用于评估图像去噪视觉质量的早期数据集更复杂。因此，它可以有效地用于设计新的图像视觉质量度量图像去噪。
2017-11-02 cs.CV
No Reference Stereoscopic Video Quality Assessment Using Joint Motion and Depth Statistics
Indian Institute of Technology Hyderabad（印度理工学院海得拉巴分校）
我们提出了一个无参考（NR）的质量评估算法评估自然立体3D（S3D）视频的感知质量。这项工作的灵感来自于我们的发现，自然S3D视频的运动（光流或运动矢量幅度）和深度（视差图）的子带系数的联合统计具有独特的签名。具体来说，我们经验表明，联合统计的运动和深度子带系数的S3D视频帧可以准确地使用双变量广义高斯分布（BGGD）建模。然后，我们证明了BGGD模型的参数具有辨别S3D视频中的质量变化的能力。因此，采用BGGD模型参数作为运动和深度质量特征。除了这些功能，我们依赖于帧级的空间质量特征，使用一个强大的现成的NR图像质量评估（IQA）算法计算。这些帧级运动、深度和空间特征被合并并与对应的S3D视频的差异平均意见得分（DMOS）标签一起用于使用支持向量回归（SVR）的监督学习。S3 D视频的总体质量是通过对组成视频帧的帧级质量预测求平均值来计算的。所提出的算法，被称为视频质量评估使用运动和深度统计（VQUEMODES）的最先进的方法进行评估时，IRCCYN和LFOVIA S3D主观质量评估数据库。
2017-11-15 cs.CV cs.MM
Perceptual Image Quality Assessment through Spectral Analysis of Error Representations
Georgia Institute of Technology（佐治亚理工学院）
在本文中，我们分析了误差信号的统计来评估图像的感知质量。具体来说，我们专注于从参考和失真图像的差异获得的误差图像的幅度谱。分析灰度图像上的光谱统计部分地模拟了视觉系统所表现出的空间谐波失真中的干扰，但它忽略了视觉系统的颜色信息、选择性和层次性。为了克服这些缺点，我们介绍了一种基于多尺度和多通道误差表示的谱理解的图像质量评估算法，表示为SUMMER。我们验证了质量评估性能超过3个数据库，约30失真类型。这些失真类型分为7个主要类别，压缩伪影，图像噪声，颜色伪影，通信错误，模糊，全局和局部失真。总的来说，我们使用5个性能指标来衡量线性度，单调性，准确性和一致性，对17种算法以及所提出的算法的性能进行了基准测试。除了标准的性能指标的实验，我们分析了分布的客观和主观的分数与直方图差异度量和散点图。此外，我们分析了质量评估算法的分类性能，以及它们的统计显著性检验。基于我们的实验，SUMMER在所有基准类别中的性能都明显优于大多数比较方法
2018-11-13 cs.CV eess.IV
Image Super-Resolution Quality Assessment: Structural Fidelity Versus Statistical Naturalness
University of Waterloo（滑铁卢大学）；University of Science and Technology of China（中国科学技术大学）
单图像超分辨率（SISR）算法用低分辨率（LR）图像重建高分辨率（HR）图像。图像质量评价（IQA）方法不仅可以评价和比较SISR算法，而且可以指导其未来的发展。在本文中，我们评估的质量SISR生成的图像在一个二维（2D）空间的结构保真度与统计自然。这使我们能够观察不同SISR算法的行为，作为2D空间中的折衷。具体来说，SISR方法传统上旨在实现高结构保真度，但往往牺牲统计自然性，而最近的基于生成对抗网络（GAN）的算法往往会创建更自然的结果，但在结构保真度上损失显着。此外，这种2D评估可以容易地融合到标量质量预测。有趣的是，我们发现，一个简单的线性组合的一个简单的局部结构保真度和全局统计自然度的措施，产生令人惊讶的准确预测SISR图像质量时，使用公共主题评级的SISR图像数据集进行测试。拟议SFSN模型的代码可在\url{https://github.com/weizhou-geek/SFSN}上公开获得。
2021-05-15 cs.CV cs.MM eess.IV
Quality Assessment of Image Super-Resolution: Balancing Deterministic and Statistical Fidelity
University of Waterloo（滑铁卢大学）
人们对开发图像超分辨率（SR）算法越来越感兴趣，该算法将低分辨率（LR）图像转换为更高分辨率的图像，但是自动评估超分辨率图像的视觉质量仍然是一个具有挑战性的问题。在这里，我们看看在二维（2D）空间的确定性保真度（DF）与统计保真度（SF）的SR图像质量评估（SR IQA）的问题。这使我们能够更好地理解现有SR算法的优点和缺点，这些算法在（DF，SF）的2D空间中的不同簇处产生图像。具体来说，我们观察到一个有趣的趋势，从更传统的SR算法，通常倾向于优化DF，而失去SF，到最近的生成对抗网络（GAN）为基础的方法，相比之下，表现出强大的优势，在实现高SF，但有时出现在保持DF弱。此外，我们提出了一个不确定性加权方案的基础上，内容相关的清晰度和纹理评估，合并到一个整体质量预测称为超分辨率图像保真度（SRIF）指数，这表明优越的性能对国家的最先进的IQA模型测试时，对受试者评级的数据集的保真度措施。
2022-07-15 cs.CV cs.MM eess.IV
Opinion-Unaware Blind Image Quality Assessment using Multi-Scale Deep Feature Statistics
Tongji University（同济大学）；City University of Hong Kong（香港城市大学）；Zhejiang University（浙江大学）；PengCheng Laboratory（鹏城实验室）
提出多尺度深度特征统计（MDFS）模型，通过融合预训练视觉模型深度特征与多元高斯统计模型实现无意见盲图像质量评估，无需人类评分数据即可提升训练效率与泛化能力。
2024-05-29 cs.CV cs.MM eess.IV
Innovative Quantitative Analysis for Disease Progression Assessment in Familial Cerebral Cavernous Malformations
College of Physics and Information Engineering（物理与信息工程学院）；Fuzhou University（福州大学）；Neurosurgery Research Institute, The First Affiliated Hospital（第一附属医院神经外科研究所）；Fujian Medical University（福建医科大学）；National Regional Medical Center, Binhai Campus of the First Affiliated Hospital（第一附属医院滨海院区国家区域医疗中心）；Fujian Institute of Brain Disorders and Brain Science（福建脑疾病与脑科学研究所）；Fujian Clinical Research Center for Neurological Diseases（福建省神经疾病临床研究中心）；Fujian Provincial Clinical Research Center for Neurological Diseases, First Affiliated Hospital（第一附属医院福建省神经疾病临床研究中心）；Clinical Research and Translation Center, The First Affiliated Hospital（第一附属医院临床研究与转化中心）
本文提出一种家族性脑海绵状血管畸形（FCCM）定量统计框架，结合高效标注、病灶分割（Dice 93.22%）与图像配准，实现病灶进展的客观定量比较和可视化分析，显著减少人工工作量并辅助临床决策。
2024-03-23 cs.CV eess.IV
A Multi-task convolutional neural network for blind stereoscopic image quality assessment using naturalness analysis
Mohammed V University in Rabat（拉巴特穆罕默德五世大学）
本文使用一种新的基于多任务深度学习的方法来解决盲立体图像质量评估（NR-SIQA）问题。在立体视觉领域，信息在左右视图之间是公平分配的，并且存在双目现象。在这项工作中，我们建议整合这些特征，通过卷积神经网络来估计立体图像的质量，而无需参考。我们的方法是基于两个主要任务：第一个任务预测自然度分析的基础上适应立体图像的功能，而第二个任务预测这样的图像的质量。前者，所谓的辅助任务，旨在找到更强大和相关的功能，以提高质量的预测。为此，我们使用自然场景统计（NSS）模型在复小波域中计算基于自然度的特征。它允许捕获立体图像对之间的统计依赖性。实验在众所周知的LIVE PHASE I和LIVE PHASE II数据库上进行。所获得的结果显示了我们的方法的相关性时，与那些国家的最先进的。我们的代码可以在网上https://github.com/Bourbia-Salima/multitask-cnn-nrsiqa_2021。
2021-06-21 cs.CV eess.IV
Subjective Quality Assessment of Ground-based Camera Images
Xi’an Jiaotong-Liverpool University（西交利物浦大学）；ADAPT SFI Research Centre（ADAPT SFI研究中心）；University College Dublin（都柏林大学）；Nanyang Technological University Singapore（新加坡南洋理工大学）；National University of Singapore（新加坡国立大学）
图像质量评估对于控制和保持视觉内容的感知质量至关重要。主观和客观评估都可以使用，但是，主观图像质量评估目前被认为是最可靠的方法。在大气研究领域需要一个包含失真图像和平均意见分数的数据库，以改进目前最先进的方法。在本文中，我们专注于使用地基天空相机图像来理解大气事件。我们提出了一个新的图像质量评估数据集包含原始和扭曲的夜间图像的天空/云从SWINSEG数据库。按照国际电联的建议，在受控条件下进行了主观质量评估。主观评分的统计分析显示了噪声类型和失真水平对感知质量的影响。
2019-12-16 cs.CV eess.IV
Synthesized Texture Quality Assessment via Multi-scale Spatial and Statistical Texture Attributes of Image and Gradient Magnitude Coefficients
Arizona State University（亚利桑那州立大学）
合成纹理的感知质量评估是一项具有挑战性的任务。在本文中，我们提出了一种免训练的减少参考（RR）的客观质量评估方法，量化合成纹理的感知质量。建议减少参考合成纹理质量评估指标是基于测量的纹理图像的空间和统计属性，使用图像和基于梯度的小波系数在多个尺度。两个合成纹理数据库上的性能评估表明，我们提出的RR合成纹理质量度量显着优于全参考和RR国家的最先进的质量度量在预测合成纹理的感知视觉质量。
2018-04-26 cs.CV
An Automated Deep Segmentation and Spatial-Statistics Approach for Post-Blast Rock Fragmentation Assessment
本文提出融合微调YOLO12l-seg实例分割与3D空间统计的端到端流程，用于实时、自动化评估爆后岩石破碎效果。
2025-07-27 cs.CV stat.ML
FOVQA: Blind Foveated Video Quality Assessment
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Facebook Reality Labs（Facebook现实实验室）；NVIDIA（英伟达）
以前的盲或无参考（NR）视频质量评估（VQA）模型在很大程度上依赖于从自然场景统计（NSS）中提取的特征，但是假设图像统计在空间域中是平稳的。这些模型中有几个在标准图片上相当成功。然而，在虚拟现实（VR）应用中，视觉中心凹视频压缩正在重新获得关注，空间变化的质量评估的概念是感兴趣的，考虑到越来越高的空间和时间分辨率的内容和测量注视方向的实用方法的可用性。从凹视频压缩的失真增加偏心率，这意味着自然场景的统计是空间变化的。为了推进视觉聚焦压缩/流媒体算法的发展，我们设计了一个无参考（NR）视觉聚焦视频质量评估模型，称为FOVQA，它是基于新的模型的空间变化的自然场景统计（NSS）和自然视频统计（NVS）。具体来说，我们部署了一个空间变化的广义高斯分布（SV-GGD）模型和空间变化的异步广义高斯分布（SV-AGGD）模型的平均减去对比度归一化（MSCN）系数和产品的相邻MSCN系数，分别。我们设计了一个中心凹的视频质量预测，提取径向基功能，以及其他功能，捕捉感知恼人的快速质量下降。我们发现，FOVQA实现国家的最先进的（SOTA）性能的新的2D LIVE-FBT-FCVR数据库，与其他领先的FIQA/VQA模型相比。我们已经在www.example.com上提供了FOVQA的实现。
2021-06-24 cs.CV eess.IV
SAML-QC: a Stochastic Assessment and Machine Learning based QC technique for Industrial Printing
Harbin Engineering University（哈尔滨工程大学）
近年来，工业自动化和高速印刷的进步对最终产品的印刷质量检测提出了许多挑战。本文提出了一种基于机器视觉的技术来评估工业对象上的文字印刷质量。该评估基于三种质量缺陷，如文本错位、不同的印刷色调和印刷错误的文本。该方案通过基于印刷二阶统计量的随机评估技术进行质量检查。首先，利用图像处理技术识别印刷品上的文字区域。第二：执行所识别的包含文本的区域的对齐测试。第三：执行光学字符识别以将文本划分为不同的小框，并且仅将每个包含文本的框的强度值作为随机变量，并且估计二阶统计量以确定在一个、两个和三个西格玛阈值下文本中的变化的印刷缺陷。第四，基于K-近邻的监督机器学习为印刷错误检测提供了随机过程。最后，该技术被部署在一个工业图像的印刷质量评估与不同的n和m值。结果表明，所提出的SAML-QC技术可以进行实时自动检测的工业印刷。
2019-01-18 cs.CV cs.LG
Perceptual Quality Assessment of UGC Gaming Videos
University of Texas at Austin（德克萨斯大学奥斯汀分校）；Google Inc（谷歌公司）
近年来，随着电子游戏行业的蓬勃发展，游戏视频在YouTube等主要视频网站上的比例急剧增加。然而，对游戏视频的自动质量预测的研究相对较少，特别是那些属于“用户生成内容”（UGC）类别的视频。由于目前领先的通用视频质量评估（VQA）模型在这类游戏视频上表现不佳，我们创建了一个新的VQA模型，专门用于UGC游戏视频，我们称之为游戏视频质量预测器（GAME-VQP）。GAME-VQP通过利用在修改的自然场景统计模型下设计的特征，结合卷积神经网络学习的游戏特定特征，成功预测了游戏视频的独特统计特征。我们研究了GAME-VQP在一个最近的大型UGC游戏视频数据库LIVE-YT-Gaming上的性能，发现它既优于其他主流的通用VQA模型，也优于专门为游戏视频设计的VQA模型。新模型将在论文被接受后公布。
2022-04-13 cs.CV eess.IV
Image-derived generative modeling of pseudo-macromolecular structures - towards the statistical assessment of Electron CryoTomography template matching
Carnegie Mellon University（卡内基梅隆大学）；University of Florida（佛罗里达大学）
细胞电子冷冻断层扫描（CECT）是一种3D成像技术，它以接近天然状态和亚分子分辨率捕获有关单细胞内大分子复合物的结构和空间组织的信息。虽然模板匹配通常用于在CECT图像中定位大分子，但它是不够的，因为它仅测量相对结构相似性。因此，最好通过假设检验来评估决策的统计可信度，这需要来自不同大分子结构群体的许多模板。由于已知结构的数量非常有限，我们需要一个生成模型来有效和可靠地从复杂的大分子结构分布中采样伪结构。为了应对这一挑战，我们提出了一种新的图像衍生方法，通过使用生成对抗网络构建生成模型来执行模板匹配的假设检验。最后，我们进行了假设检验实验的模板匹配模拟和实验subtomographs，使我们能够得出结论的身份subtomographs具有较高的统计可信度，并显着减少误报。
2018-05-12 cs.CV q-bio.QM stat.AP
Assessing the ability of generative adversarial networks to learn canonical medical image statistics
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Center for Devices and Radiological Health, Food and Drug Administration（美国食品药品监督管理局设备与放射健康中心）
近年来，生成对抗网络（GANs）在医学成像领域的潜在应用中获得了巨大的普及，例如医学图像合成，恢复，重建，翻译以及客观的图像质量评估。尽管在生成高分辨率、感知逼真的图像方面取得了令人印象深刻的进展，但目前尚不清楚现代GANs是否可靠地学习对下游医学成像应用有意义的统计数据。在这项工作中，一个国家的最先进的GAN学习统计的规范随机图像模型（SIM卡）的图像质量的客观评估有关的能力进行了研究。结果表明，尽管所采用的GAN成功地学习了所考虑的特定医疗SIM的几个基本的一阶和二阶统计数据，并生成了具有高感知质量的图像，但它未能正确地学习与这些SIM相关的几个逐图像统计数据，突出了迫切需要在图像质量的客观测量方面评估医疗图像GANs。
2022-04-27 cs.CV eess.IV physics.med-ph
