.png){kind=icon}
返回
A Multi-Level Patch Dataset for JPEG Image Quality Assessment by Absolute Binary Decision
.png){kind=icon}
OA
AI
DOI：10.1109/OJSP.2025.3571674.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
图像质量评估（IQA）在评价图像处理中起着基础性作用。目前，JPEG AIC规定了IQA方法，将其分为三个级别：AIC-1、2和3。AIC-1测量从低到高的质量，AIC-2关注视觉无损的阈值，AIC-3测量1和2之间的范围。AIC-3需要复杂的处理和大量比较，例如使用增强三元组获得高精度的JNDs，然后利用这些JNDs创建尺度分数，或生成许多三元组组合。本研究重新审视了定义，并提出了一种通过混合AIC-1和AIC-2的测量方法并调整敏感度来测量AIC-3目标范围的方法。该方法展示原始和降质图像，询问它们是否相同。我们称之为绝对二元决策（ABD），参照AIC-1中的ACR。我们利用ABD构建了一个JPEG专用的IQA数据集，该数据集使用了逐步修补的失真图像，以将补丁与整幅图像的IQA相关联。由于这是一项新实验，首先在实验室控制条件下进行以确保可靠性。实验结果表明，ABD能够测量QP40-90范围。此外，发现修补与整幅图像的情况不同。虽然修补会引人关注通常不被注意的地方，而常规图像呈现通过语义引导集中注意力，这表明可能在特征位置上执行伪注意力修补。
Keyword:
JPEG AIC-3
just noticeable difference
patching
subjective image quality assessment
期刊
IF:
2.7
论文数:
155
被引数:
535
机构
引用论文
分享收藏Mean Deviation Similarity Index: Efficient and Reliable Full-Reference Image Quality Evaluator.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏JPEG AIC-3 Dataset: Towards Defining the High Quality to Nearly Visually Lossless Quality Range
IF0
PREAI
分享收藏Liao, X.; Wei, X.; Zhou, M.; Wong, H.S.; Kwong, S. Image Quality Assessment: Exploring Joint Degradation Effect of Deep Network Features Via Kernel Representation Similarity Analysis. IEEE Trans. Pattern Anal. Mach. Intell. 2025, 1, 2799–2815. [Google Scholar] [CrossRef]Liao, X.; Wei, X.; Zhou, M.; Wong, H.S.; Kwong, S. 图像质量评价：通过核表示相似性分析探索深度网络特征的联合退化效应。IEEE Trans. Pattern Anal. Mach. Intell. 2025, 1, 2799–2815. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏
查看更多内容