24、基于监督与无监督神经网络的图像质量评估框架

基于监督与无监督神经网络的图像质量评估框架

在图像质量评估（IQA）领域，不同的方法各有优劣。下面我们先了解一些常见的IQA方法及其局限性。

常见IQA方法及局限性

引用方法	内容	局限性
全参考IQA [14,15]	训练回归模型，使用多种特征预测图像质量得分	仅提取颜色和亮度特征学习IQA回归模型，忽略了结构、纹理、形状等重要特征
全参考IQA [16,17]	提出在实时处理图像时保持图像质量的方法	-
全参考IQA [18 - 20]	提供端到端质量评估框架，允许用户选择语义、视觉和音频特征的最佳组合	自适应算子与保护算子在内容处理方面不同，使用间隙计算视觉连贯性在内容保护中不合适
无参考IQA [29 - 31]	使用主观图像得分训练模型，预测失真图像的质量	训练模型严重依赖人类评分图像，不如客观评分准确
无参考IQA [37,38]	使用FR - IQA方法注释和训练模型	使用FR - IQ