文獻標識碼: A
DOI: 10.19358/j.issn.2096-5133.2021.08.010
引用格式: 劉錫澤,李志龍,,何欣澤,,等. 基于多任務學習的無參考超分辨圖像質(zhì)量評估[J].信息技術(shù)與網(wǎng)絡安全,2021,,40(8):60-64.
0 引言
單幅圖像超分辨率重建(Single Image Super-Resolution Reconstruction,SISR)是圖像復原的一種,,其通過信號處理或者圖像處理的方法,,將低分辨率(Low-Resolution,LR)圖像轉(zhuǎn)化為高分辨率(High-Resolution,,HR)圖像[1],。目前,SISR被廣泛應用在醫(yī)學影像,、遙感圖像,、視頻監(jiān)控等領(lǐng)域當中。近年來,,許多SISR算法相繼被提出,,因此需要一種可靠的方式來衡量各種算法重建圖像的質(zhì)量好壞。
最可靠的圖像質(zhì)量評估方式是主觀評分,,但這種方式需要耗費大量的人力和時間,,所以往往使用客觀評價指標來對超分辨(Super-Resolution,SR)圖像進行質(zhì)量評估,。最常用的圖像客觀評價指標是峰值信噪比(Peak Signal-to-Noise Ratio,,PSNR)和結(jié)構(gòu)相似度(Structural Similarity,SSIM),。但在SISR領(lǐng)域中,,這兩個指標與人眼感知的一致性較低[2]。因此研究者們提出了一系列基于人類視覺系統(tǒng)(Human Visual System,,HVS)的圖像質(zhì)量評估算法,,如信息保真度(Information Fidelity Criterion,IFC)[3],、特征相似度(Feature Similarity,,F(xiàn)SIM)[4]等算法,在圖像質(zhì)量評估數(shù)據(jù)庫中的性能超過了PSNR,、SSIM等傳統(tǒng)算法,。
本文詳細內(nèi)容請下載:http://forexkbc.com/resource/share/2000003726
作者信息:
劉錫澤1,李志龍2,,何欣澤3,,范 紅1
(1.東華大學 信息科學與技術(shù)學院,上海201620,;
2.OPPO研究院,,上海200030,;3.上海大學 通信與信息工程學院,上海200444)