HyperAIHyperAI
vor 12 Tagen

VSI: Ein visueller Aufmerksamkeits-induzierter Index zur wahrnehmungsbasierten Bildqualitätsbewertung

{Hongyu Li, Ying Shen, Lin Zhang}
Abstract

Die perceptuelle Bildqualitätsbewertung (IQA) zielt darauf ab, mittels rechnerischer Modelle die Bildqualität so zu messen, dass sie mit subjektiven Beurteilungen übereinstimmt. Die visuelle Aufmerksamkeit (VS) wurde in den letzten zehn Jahren von Psychologen, Neurobiologen und Informatikern umfassend untersucht, um zu ermitteln, welche Bereiche eines Bildes die stärkste Aufmerksamkeit des menschlichen visuellen Systems hervorrufen. Intuitiv steht die VS in enger Beziehung zur IQA, da suprathreshold-Verzerrungen die VS-Karten eines Bildes erheblich beeinflussen können. Aus dieser Überlegung heraus schlagen wir eine einfache, jedoch äußerst wirksame Methode zur vollständigen Referenz-IQA vor, die auf der Grundlage der visuellen Aufmerksamkeit arbeitet. In unserem vorgeschlagenen IQA-Modell hat die VS zwei Funktionen: Erstens dient die VS als Merkmal bei der Berechnung der lokalen Qualitätskarte des verzerrten Bildes. Zweitens wird die VS als Gewichtungsfunktion verwendet, um bei der Aggregation der Qualitätsbewertung die Bedeutung einer lokalen Region zu berücksichtigen. Der vorgeschlagene IQA-Index wird als visuell aufmerksamkeitsbasiertes Maß (VSI) bezeichnet. Verschiedene führende rechnerische VS-Modelle wurden im Kontext der IQA evaluiert, wobei das beste Modell für die Implementierung von VSI ausgewählt wurde. Umfassende Experimente an vier großen Benchmark-Datenbanken zeigen, dass der vorgeschlagene IQA-Index VSI in Bezug auf die Vorhersagegenauigkeit gegenüber allen bisherigen state-of-the-art-IQA-Indizes überlegen ist, während gleichzeitig ein moderater rechnerischer Aufwand beibehalten wird. Der MATLAB-Quellcode von VSI sowie die Evaluierungsergebnisse sind öffentlich über die Webseite http://sse.tongji.edu.cn/linzhang/IQA/VSI/VSI.htm zugänglich.

VSI: Ein visueller Aufmerksamkeits-induzierter Index zur wahrnehmungsbasierten Bildqualitätsbewertung | Neueste Forschungsarbeiten | HyperAI