有意思的hand-crafted features based IQA的论文吧2(图像质量评价)

本文介绍了两篇关于图像质量评估(IQA)的论文。第一篇论文提出了一种名为Orientation selectivity mechanism的新颖特征提取方法,该方法基于视觉方向选择,不同于传统的Local Binary Pattern (LBP)。第二篇论文利用亮度(MSCN系数)和旋转不变的均匀LBP特征进行盲图像质量评估。两篇论文都利用统计特征和局部模式来表征图像质量。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1、2016IS: Orientation selectivity based visual pattern for reduced-reference image quality assessment

(2015TIP. Visual orientation selectivity based structure description.)

这篇论文很有意思,提出了一种新颖的特征提取方法Orientation selectivity mechanism (方向选择机制):。非常值得学习。

视觉心理学的解释就不讲了,我不是研究这个方向的。也讲不清楚。聊一下怎么做的。

注:这些图都是来源于原论文

        提取特征的时候,类似于local binary pattern(LBP)。LBP指的是一个非常非常出名,非常非常NICE的纹理检测的特征提取方法,也有很多很多变种。常规的LBP特征提取如下图所示:要表示图像中每一个像素点,直接用intensity值表示是没有意义的,像素点灰度值等于100,有什么意义吗?说明不了什么问题。所以,要用每个像素点的局部信息表示这个像素点(离它太远的信息对它的影响也不大)。这个像素点改变称呼:中心像素点,围绕它,取中心像素点的局部信息。ok,抛出两个问题来了,一个“局部”,一个“信息”。局部区域取多大呢?8邻域或者其他。这个“信息”怎么取呢?因为是纹理检测,纹理纹理,要有差异,才有纹理。像素点值都一样的话,就是一片空白或者一片黑了。LBP就比较中心像素点像素值与周围像素点像素值的大小。然后赋值1

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值