帮助 关于我们

返回检索结果

基于机器学习的无参考图像质量评价综述
Review of no-reference image quality assessment based on machine learning

查看参考文献50篇

杨璐 1,2,3   王辉 1,2   魏敏 3  
文摘 无参考图像质量评价(NRIQA)因其广泛的应用需求一直以来都是计算机视觉及其交叉领域的研究热点。回顾近十几年来基于机器学习的典型NRIQA模型,介绍图像质量评价的常用数据库、算法性能指标、NRIQA主要难点和现有的解决方法;分析了不同模型的思想、实现、特点;最后统计对比多个数据库上的测试结果。总结研究现状、分析发展趋势,为这一领域的研究者提供文献参考。
其他语种文摘 No-Reference Image Quality Assessment(NRIQA) is a hot topic in Computer Vision(CV) and its cross field due to its wide range of applications. The paper reviews the typical models of NRIQA based on Machine Learning(ML) in the nearly ten years. Firstly, the commonly used public databases and algorithm performance indicators are introduced. The existing problems and their solutions in NRIQA field are explained. Then, the guiding ideology and characteristics are discussed in each algorithm implementation. Finally, the literature compares test results on the different databases, and analyzes development trends by summarizing the present status to provide a reference for researchers.
来源 计算机工程与应用 ,2018,54(19):34-42 【扩展库】
DOI 10.3778/j.issn.1002-8331.1807-0169
关键词 计算机视觉 ; 无参考图像质量评价 ; 机器学习
地址

1. 中国科学院光电技术研究所, 成都, 610209  

2. 中国科学院大学, 北京, 100049  

3. 成都信息工程大学计算机学院, 成都, 610225

语种 中文
文献类型 综述型
ISSN 1002-8331
学科 自动化技术、计算机技术
文献收藏号 CSCD:6334780

参考文献 共 50 共3页

1.  许悦雷. 视觉神经计算发展综述. 计算机工程与应用,2017,53(24):30-34 被引 1 次    
2.  Wang Z. Multiscale structural similarity for image quality assessment. Record of the Thirty-Seventh Asilomar Conference on Signals,Systems and Computers,2003:1398-1402 被引 1 次    
3.  Wang Z. Modern image quality assessment. Synthesis Lectures on Image,Video,and Multimedia Processing,2006,2(1):1-156 被引 6 次    
4.  王志明. 无参考图像质量评价综述. 自动化学报,2015,41(6):1062-1079 被引 54 次    
5.  史加荣. 深度学习的研究进展与发展. 计算机工程与应用,2018,54(10):1-10 被引 20 次    
6.  Wang Z. Image quality assessment:from error visibility to structural similarity. IEEE Transactions on Image Processing,2004,13(4):600-612 被引 2018 次    
7.  Sheikh H R. LIVE image quality assessment database release 2,2005 被引 14 次    
8.  Sheikh H R. A statistical evaluation of recent full reference image quality assessment algorithms. IEEE Transactions on Image Processing,2006,15(11):3440-3451 被引 193 次    
9.  Larson E C. Most apparent distortion:Full-reference image quality assessment and the role of strategy. Journal of Electronic Imaging,2010,19(1):011006 被引 105 次    
10.  Ponomarenko N. TID2008-A database for evaluation of full-reference visual quality assessment metrics. Advances of Modern Radioelectronics,2009:30-45 被引 44 次    
11.  Ponomarenko N. Image database TID2013:Peculiarities,results and perspectives. Signal Processing:Image Communication,2015:57-77 被引 44 次    
12.  Ye P. Unsupervised feature learning framework for no-reference image quality assessment. Proceedings of 2012 IEEE Conference on Computer Vision and Pattern Recognition,2012:1098-1105 被引 6 次    
13.  Sheikh H R. Image information and visual quality. IEEE Transactions on Image Processing,2006,15(2):430-444 被引 213 次    
14.  Ma K. End-to-end blind image quality assessment using deep neural networks. IEEE Transactions on Image Processing,2018,27(3):1202-1213 被引 9 次    
15.  Ma K. Waterloo exploration database:New challenges for image quality assessment models. IEEE Transactions on Image Processing,2017,26(2):1004-1016 被引 4 次    
16.  Sheikh H R. No-reference quality assessment using natural scene statistics:JPEG2000. IEEE Transactions on Image Processing,2005,14(11):1918-1927 被引 46 次    
17.  Mittal A. No-reference image quality assessment in the spatial domain. IEEE Transactions on Image Processing,2012,21(12):4695-4708 被引 236 次    
18.  Ye P. Beyond human opinion scores:Blind image quality assessment based on synthetic scores. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,2014:4241-4248 被引 2 次    
19.  Ma K. dipIQ:Blind image quality assessment by learning-to-rank discriminable image pairs. IEEE Transactions on Image Processing,2017,26(8):3951-3964 被引 10 次    
20.  Kang L. Convolutional neural networks for no-reference image quality assessment. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,2014:1733-1740 被引 7 次    
引证文献 5 篇

1 曹玉东 基于增强型对抗学习的无参考图像质量评价算法 计算机应用,2020,40(11):3166-3171
被引 3 次

2 谭娅娅 基于深度学习的视频质量评价研究综述 计算机科学与探索,2021,15(3):423-437
被引 1 次

显示所有5篇文献

论文科学数据集
PlumX Metrics
相关文献

 作者相关
 关键词相关
 参考文献相关

版权所有 ©2008 中国科学院文献情报中心 制作维护：中国科学院文献情报中心
地址：北京中关村北四环西路33号 邮政编码：100190 联系电话：(010)82627496 E-mail:cscd@mail.las.ac.cn 京ICP备05002861号-4 | 京公网安备11010802043238号