基于显著性双流分层感知的NR-IQA方法

摘要

人类会对图像中自己感兴趣的区域给予更多关注，所以发生在这些区域的失真更容易影响人类的主观质量分数，而传统的图像质量评价(IQA)方法并未考虑到图像中不同区域受到关注度的差异，导致预测分数与主观质量分数的拟合程度较低．针对上述问题，本文利用显著图对图像中受关注区域的突出表达能力，提出了一种基于显著性双流图像质量评价(SDS-IQA)方法．该方法采用显著图分支和原始图分支组成的双流分层结构，从整体和重点两个方面实现图像的多尺度失真感知，并通过双重注意力在所有维度上体现特征的重要性差异．SDS-IQA在特征提取阶段通过在显著图分支使用空间注意力来体现尺度空间上的关注度差别，并通过空间注意力权重来强化原始图分支的失真信息表达，在特征融合阶段使用门控注意力强化通道间的交互，使通道间的关注度差异在融合时得到体现，最终实现对受关注区域中失真的重点表征．实验结果表明，该方法在3个合成数据集(LIVE,TID2013,CSIQ)上的皮尔森线性相关系数分别达到0.976、0.896和0.865，在2个真实数据集(LIVEC,Kon IQ-10k)上分别达到0.869和0.877，证明SDS-IQA的预测结果与人类主观评价有良好的拟合性．

关键词

图像质量评价 / 显著图 / 注意力机制