15、图像质量评估：基于局部模式统计和独立成分分析的方法

图像质量评估：基于局部模式统计和独立成分分析的方法

在图像质量评估（IQA）领域，有多种方法被提出以衡量图像的质量。本文将介绍基于局部模式统计和独立成分分析的图像质量评估方法，包括HLDP、LDP、LTrP等局部模式统计方法，以及独立成分分析（ICA）和拓扑独立成分分析（TICA）。

1. 基于局部模式统计的IQA

1.1 HLDP和LDP

HLDP定义为$HLDP = {HLDP(d) | d = 1, 2, 3}$。由于卡方距离在质量映射方面表现出色，因此该指标使用卡方距离进行质量映射。

LDP在提取高阶特征后，表现优于LBP。一般来说，LBP编码二进制梯度方向，而n阶LDP算子编码(n - 1)阶导数方向变化。当不同阶的感知特征组合成多阶特征时，这些特征将包含各种空间信息，编码中心像素与其相邻像素之间的独特空间关系。

基于复杂特征由基本单元组成且自然图像遵循一般标准分布的假设，LDP被应用于盲图像质量评估（IQA）。具体步骤如下：
1. 使用LDP算子提取多尺度特征。
2. 将这些特征输入支持向量回归（SVR）以实现盲IQA。

基于LDP的指标在IQA中表现良好，证明了详细信息在图像结构信息中的重要性。

1.2 局部四面体模式（LTrP）

LBP和LDP基于局部模式的分布提取特征，主要代表结构纹理信息，并且使用两个方向（正和负）对图像进行编码。由于人类视觉系统（HVS）具有方向选择特性，方向信息有助于提高IQA模型的性能。因此，提出了局部四面体模式（LTrP）以使用四方向编码来增强提取的特征。

LTrP的具体计算步骤如下：