基于梯度相关性分解的无参考图像质量评估方法

简介：
本研究提出了一种新颖的无参考图像质量评估方法，通过分解和分析图像梯度的相关性来量化不同类型的视觉失真，从而实现更准确的质量评价。 目前大部分无参考型的图像质量评价方法主要依赖于图像的几何特征进行描述，但这种方法对图像边界的要求较高，并且在实际应用中的失真类型通常是未知的。为了克服这一局限性，提出了一种基于梯度相关性的分解（DGS）模型来评估图像质量。该方法通过提取并分析图像的梯度信息，利用奇异值分解技术获取图像的主要结构特征，从而实现对无参考条件下图像质量的有效评价。 实验结果表明，相较于传统的峰值信噪比或均方误差等简单有效的标准模型，DGS 模型更贴近人类视觉系统的特性，并且在没有参考图片的情况下能够提供更为准确的评估结果。此外，该方法与人工主观评分之间的相关性也表现得更加一致。