10、基于视觉注意力的图像质量评估

基于视觉注意力的图像质量评估

1. 视觉差异与视觉信噪比

视觉差异（VD）的计算公式为：
$VD = \alpha d_{pc} + (1 - \alpha) \frac{d_{gp}}{\sqrt{2}}$

视觉信噪比（VSNR）由 VD 和原始图像的对比度 $C(I)$ 唯一确定，其计算公式基于信息论中的信噪比计算形式，通过对相关公式进行简单修改得到。将“峰值”和 T 与 R 之间的均方误差分别替换为 $C(I)$ 和 $VD^2$ 后，VSNR 可表示为：
$VSNR(T, R) = 10 \log_{10} \left( \frac{C(I)^2}{VD^2} \right)$
展开后为：
$VSNR(T, R) = 10 \log_{10} \left( \frac{C(I)^2}{(\alpha d_{pc} + (1 - \alpha) \frac{d_{gp}}{\sqrt{2}})^2} \right)$

2. 基于视觉注意力的图像质量评估

2.1 视觉显著性模型

视觉注意力是人类视觉系统（HVS）的重要机制之一，可大致分为自上而下和自下而上两类。自上而下的注意力由任务驱动，涉及高级认知因素；自下而上的注意力由刺激驱动，基于低层次视觉刺激，如亮度、颜色、边缘和方向等。大多数现有的视觉注意力模型属于自下而上的类别。

视觉注意力在计算机视觉中通常也称为视觉显著性，主要指自下而上的过程。计算得到的图像视觉显著性通常以二维地形表示，即显著性图，每个位置对应图像的一个标量值，显著性水平越高，该位置越吸引 HVS 的注意力。视觉显著性与图像质量评估（IQA）密切相关，