一种参数化的双向基于曲率的图像伪影分类与量化框架.pdfVIP

一种参数化的双向基于曲率的图像伪影分类与量化框架

DiegoFrias

BahiaStateUniversity(UNEB),Salvador,Bahia,Brazil

2025年8月14日

摘要

本工作提出了一种基于方向图像曲率分析的无参考图像质量评估（NR-IQA）的新框架。在此框架

中，我们定义了一个各向异性纹理丰富度（ATR）指标，该指标通过在像素级别使用两个可调阈值来

计算—一个宽容的和一个严格的—量化正交纹理抑制。当其参数针对特定缺陷进行优化时，所得到的

本ATR分数作为高性能质量指标，实现了与人类对高斯模糊感知的相关性（）约为-0.93，在LIVE数据

集上对于白噪声相关性为-0.95。主要贡献是一个两阶段系统，利用了ATR对各种失真差异化的响应。

译首先，该系统使用两个专ATR配置的签名来分类主要缺陷类型（模糊与噪音），准确率超过97%。其

中次，在分类后，它采用专用回归模型将相关的ATR分数映射到质量评分以量化退化程度。在一个综合

数据集上，完整系统预测人类得分的决定系数（）为0.892，并且均方根误差（RMSE）为5.17个

1

vDMOS点。这个误差仅占整个数据集质量范围的7.4%，展示了高预测准确性。这确立了我们的框架作

4为一个强大的双重用途工具，用于分类和随后量化图像退化。

2

8

8

01介绍

.

8

0自动图像质量评估（IQA）是一个具有关键应用的基本研究领域，其应用范围从优化压缩编解

5

2码器到医疗成像系统的质量控制，例如在计算机断层扫描正弦图中去除环状伪影。许多无参考IQA

:

v（NR-IQA）指标被设计用于量化特定类别的失真。然而，实际系统不仅需要量化质量的损失，还需

i

x要诊断其原因。

r

a本工作通过提出一种基于方向曲率分析的统一参数框架来解决这一空白。主要贡献包括：

•“各向异性纹理丰富度”（ATR）指标的制定以及证明其可以被优化成为预测模糊和白噪声感

知状态的最佳指标。

•发现两个专用ATR滤波器的响应特征可以高精度地分类主要失真类型。

•完整混合系统的开发，该系统首先进行分类然后量化退化，并在LIVE数据集上进行了严格的

验证。

2相关工作

图像质量评估(IQA)是一个成熟的研究领域，方法可以分为三类：全参考(FR)、简缩参考(RR)

和无参考(NR)。FR指标，如SSIM[12]，与人类感知具有高度相关性，但需要访问原始源图像，在

许多应用中这并不可行。因此，研究重点转向了NR-IQA方法。

NR-IQA方法通常依赖于自然场景统计（NSS）。前提是高质量图像具有可预测的统计特性，这

些特性会因失真而改变。开创性的BRISQUE方法[4]通过建模归一化对比系数的分布来体现这一

1

方法。沿此思路，NIQE[5]通过从一组未受污染的图像构建“质量”模型来消除对人类评分训练的

需求。最近的研究继续完善NSS模型；例如，Venkataramanan和Bovik[10]提出了一种“宽松”的

NSS模型，放宽了统计假设以更好地适应更广泛的内容。

虽然许多NSS模型基于一阶导数（梯度）进行操作，但对二阶导数（曲率）的分析可以捕捉更

精细的纹理。Sinno和Bovik[9]建立了二阶导数与IQA的相关性，提出了一个探索曲率统计量与感

知质量之间相关性的二阶NSS模型。这一原则是我们工作的核心。NSS在特定诊断任务中的实用

性也得到了证明，例如噪声估计，Gupta等人[2]表明加性噪声会可预测地改变图像梯度的分布