평균 편차 유사성 지수: 효율적이고 신뢰할 수 있는 전체 참조 이미지 품질 평가자

시각적 이미지 품질 평가(IQA)는 이미지 및 비디오 처리 분야에서 이미지 획득, 이미지 압축, 이미지 복원 및 멀티미디어 통신 등에 적용되어 많은 IQA 지표의 개발을 이끌었습니다. 본 논문에서는 그래디언트 유사성(GS), 색도 유사성(CS), 그리고 편차 풀링(DP)을 활용한 안정적인 완전 참조 IQA 모델을 제안합니다. 일반적으로 사용되는 GS가 인간 시각 시스템(HVS)을 모델링하는 데 있어서 단점을 고려하여, HVS를 더 잘 따르도록 하는 새로운 GS를 융합 기술을 통해 제안합니다. 색상 변화 측정을 위해 두 색도 채널의 공동 유사성 맵을 계산하기 위한 효율적이고 효과적인 공식을 제안합니다. 문헌에서 일반적으로 사용되는 공식과 비교할 때, 제안된 CS 맵이 더 효율적이며 유사하거나 더 나은 품질 예측을 제공함을 보여줍니다. 최근 표준 편차 풀링을 활용한 연구를 바탕으로, 본 논문에서는 DP의 일반적인 공식을 제시하고 이를 통해 제안된 GS와 CS 맵으로부터 최종 점수를 계산합니다. 이 DP 공식은 민코프스키(Minkowski) 풀링과 제안된 거듭제곱(power) 풀링의 장점을 활용합니다. 6개의 자연 이미지 데이터셋, 합성 데이터셋, 그리고 디지털 리터치 데이터셋에 대한 실험 결과는 제안된 지수가 문헌에서 가장 최근의 경쟁 IQA 지표들보다 유사하거나 더 나은 품질 예측을 제공하며, 안정적이고 복잡도가 낮음을 보여줍니다. 제안된 지표의 MATLAB 소스 코드는 https://www.mathworks.com/matlabcentral/fileexchange/59809 에서 다운로드 가능합니다.