HyperAIHyperAI
vor 7 Tagen

FSIM: Ein Merkmalsähnlichkeitsindex zur Bildqualitätsbewertung

{David Zhang, Xuanqin Mou, Lei Zhang, Lin Zhang}
Abstract

Die Bildqualitätsbewertung (Image Quality Assessment, IQA) zielt darauf ab, durch rechnerische Modelle die Bildqualität konsistent mit subjektiven Beurteilungen zu messen. Der bekannte Strukturähnlichkeitsindex hat die IQA von der pixelbasierten zur strukturbasierten Phase geführt. In diesem Artikel wird ein neuer Feature-Similarität-Index (FSIM) für die vollständig referenzierte IQA vorgestellt, basierend auf der Tatsache, dass das menschliche visuelle System (HVS) ein Bild hauptsächlich anhand seiner niedrigstufigen Merkmale versteht. Insbesondere wird die Phasenkonstanz (Phase Congruency, PC), eine dimensionslose Maßzahl für die Bedeutung einer lokalen Struktur, als primäres Merkmal im FSIM verwendet. Da die PC kontrastinvariant ist, während die Kontrastinformation den Wahrnehmungseindruck der Bildqualität durch das HVS jedoch beeinflusst, wird die Bildgradientenstärke (Gradient Magnitude, GM) als sekundäres Merkmal im FSIM eingesetzt. PC und GM übernehmen komplementäre Rollen bei der Charakterisierung der lokalen Bildqualität. Nach der Erzeugung der lokalen Qualitätskarte wird die PC erneut als Gewichtungsfunktion verwendet, um einen einzigen Qualitätswert abzuleiten. Umfassende Experimente an sechs etablierten IQA-Datenbanken zeigen, dass der FSIM eine deutlich höhere Übereinstimmung mit subjektiven Beurteilungen erreicht als die derzeit besten IQA-Metriken.

FSIM: Ein Merkmalsähnlichkeitsindex zur Bildqualitätsbewertung | Neueste Forschungsarbeiten | HyperAI