25、图像质量评估框架与实验分析

图像质量评估框架与实验分析

1. 框架概述

1.1 整体框架结构

整个框架主要由两个核心模块构成：
- 流处理模块：管理员可对连续的数据流进行查询，并在接收到数据后的短时间内检测相关条件。此框架以 Twitter 作为多媒体数据流的来源，且仅处理图像。它能够处理两种类型的图像，即失真图像和无失真图像，流中的图像会从 1 标记到 k（k 为无穷大），表示处理图像无数量限制，最终后端模块会返回处理后的图像 im′。
- 后端模块：包含两个主要子模块，分别是身份识别和质量评估。
- 身份识别模块负责检测和识别实体以及可能存在的失真情况，通过六个不同组件实现，具体如下：
1. 人脸检测：在接收多媒体数据流时，该组件负责检测图像中出现的实体人脸。在检测前，会进行降维处理，将图像划分为更易处理的组，以减少处理时间且不丢失关键细节，检测到的人脸会被发送到人脸识别组件。
2. 人脸识别：通过将提取的人脸特征与实体知识库中存储的特征进行比较来识别人脸。若匹配成功，图像将进入失真检测；若未匹配，则返回流处理模块。
3. 实体知识库：该组件相当于存储训练好的实体的数据库，管理员可添加新实体并训练更多图像，以提高识别准确率。
4. 失真检测：负责检查图像是否失真，若检测到失真，图像将被发送到失真识别组件；否则，将进入实体操作函数。
5. 失真识别：检测到失真后，该组件通过将失真情况与失真训练模型中存储的类型进行比较，识别失真类型，这对质量评估模块准确预测失真图像至关重要。若无法识别失真，图像将被重定向回流处理模块。
6. 失真训练模型：是存储和训练不同类型失真的仓库，该模型可识别五种失真类型，包括中值模糊、高斯模糊、像素化、加性高