Capacitar y utilizar un modelo de evaluación de la calidad sin referencia

Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

Los algoritmos Natural Image Quality Evaluator (NIQE) y Blind/Referenceless Image Spatial Quality Evaluator (BRISQUE) utilizan un modelo entrenado para calcular una puntuación de calidad.

Ambos algoritmos entrenan un modelo utilizando características estadísticas predecibles idénticas, llamadas estadísticas de escena natural (NSS). Los SEN se basan en coeficientes de luminancia normalizados en el dominio espacial y se modelan como una distribución gaussiana multidimensional. Las distorsiones aparecen como perturbaciones a la distribución gaussiana.

Los algoritmos difieren en la forma en que utilizan las características del SEN para entrenar un modelo y calcular una puntuación de calidad.

Flujo de trabajo de NIQE
Flujo de trabajo de BRISQUE

Flujo de trabajo de NIQE

NIQE mide la calidad de las imágenes con distorsión arbitraria. Un modelo NIQE no se entrena utilizando puntuaciones de calidad subjetivas, pero la contrapartida es que la puntuación NIQE no se correlaciona tan confiablemente como la puntuación BRISQUE con la percepción humana de la calidad.

Entrenar un modelo NIQE

Nota

Si el modelo NIQE predeterminado proporciona una puntuación de calidad suficiente para la aplicación, no es necesario entrenar un nuevo modelo. Puede saltar a .Predecir la calidad de imagen mediante un modelo NIQE

Para entrenar un modelo NIQE, pase un almacén de datos de imagen prístina a la función.fitniqe La función divide cada imagen en bloques y calcula el NSS para cada bloque. El proceso de capacitación incluye solo bloques con características estadísticamente significativas.

El modelo devuelto, , almacena la media gaussiana multivariante y la desviación estándar derivada de las entidades NSS.niqeModel

Predecir la calidad de imagen mediante un modelo NIQE

Utilice la función para calcular una puntuación de calidad de imagen para una imagen con distorsión arbitraria.niqe La función extrae las entidades NSS de bloques estadísticamente significativos en la imagen distorsionada.niqe La función se ajusta a una distribución gaussiana multivariante a las entidades NSS de la imagen. La puntuación de calidad es la distancia entre las distribuciones gaussianas.

El diagrama muestra el flujo de trabajo NIQE completo.

Flujo de trabajo de BRISQUE

BRISQUE se limita a medir la calidad de las imágenes con el mismo tipo de distorsión que el modelo. Un modelo BRISQUE se entrena utilizando puntuaciones de opinión subjetivas, con la ventaja de que la puntuación BRISQUE se correlaciona bien con la percepción humana de calidad.

Entrenar un modelo BRISQUE

Nota

Si el modelo BRISQUE predeterminado proporciona una puntuación de calidad suficiente para la aplicación, no es necesario entrenar un nuevo modelo. Puede saltar a .Predecir la calidad de imagen utilizando un modelo BRISQUE

Para entrenar un modelo BRISQUE, pase a la función:fitbrisque

Un almacén de datos que contiene imágenes con distorsiones conocidas y copias prístinas de esas imágenes
Una puntuación de opinión subjetiva para cada imagen distorsionada en la base de datos

La función calcula las entidades NSS para cada imagen, sin dividir la imagen en bloques. La función utiliza las características del SEN y las puntuaciones de opinión correspondientes para entrenar un modelo de regresión de máquina vectorial de soporte. El modelo devuelto, , almacena los parámetros del regresor del vector de soporte.brisqueModel

Predecir la calidad de imagen utilizando un modelo BRISQUE

Utilice la función para calcular una puntuación de calidad de imagen para una imagen con el mismo tipo de distorsiones que el modelo.brisque La función extrae las entidades NSS de la imagen distorsionada y predice una puntuación de calidad mediante la regresión vectorial de soporte.brisque

El diagrama muestra el flujo de trabajo completo de BRISQUE.