| |
::Image Quality Assessment::
Image quality
assessment (IQA) aims to use computational models to measure the
image quality consistently with subjective evaluations. With the
rapid proliferation of digital imaging and communication
technologies, IQA has been becoming an important issue in numerous
applications such as image acquisition, transmission, compression,
restoration and enhancement, etc.
But despite
the innovation and rapid advances in technology and despite the
prevalence of higher-definition and more immersive content, one
thing has remained constant throughout the digital imaging
revolution: the biological hardware used by consumers—the human
visual system (HVS). Although personal preferences can and do change
over time and can and do vary from person to person, the underlying
neural circuitry and biological processing strategies have changed
very little over measurable human history. As a result, digital
processing can alter an image's appearance in ways that humans can
reliably and consistently judge to be either detrimental or
beneficial to the image's visual quality.
Since the
subjective IQA methods cannot be readily and routinely used for many
scenarios, e.g. real-time and automated systems, it is necessary to
develop objective IQA metrics to automatically and robustly measure
the image quality. Meanwhile, it is anticipated that the evaluation
results should be statistically consistent with those of the human
observers. To this end, the scientific community has developed
various IQA methods in the past decades. Some basic information can
be referred to this
webpage
maintained by Dr. Lin Zhang.
[top]
Related Research
Group
Image
Quality Assessment (IQA) is a very active research topic in the
world. There are many group involving such a topic. In the
following, I list some of them for reference.
 |
Laboratory for Image & Video Engineering, The
University of Texas at Austin, USA
|
|
|
Multimedia
Laboratory, The Chinese University of Hong Kong,
China |
|
|
Laboratory of Computational and Subjective Image Quality,
Shizuoka University, Japan
|
|
|
Zhou
Wang's Group, University of Waterloo, Canada
|
|
|
Weisi Lin's
Group, Nanyang Technological University, Singapore
|
|
|
Lei
Zhang's Group, The Hong Kong Polytechnic University,
Hong Kong |
|
|
Xuanqin Mou's Group, Xi'an Jiaotong University,
China |
Some Review Papers
Possible research Directions
IQA is an
important research topic with wide potential applications, which
will bring profound influence on image and video processing. AT
present, there are some promising research directions in this
field which are listed in Chinese as follows.
|
|
目前大多數的圖像質量評價方法都是基于全參考的，而最切合實際的還要屬無參考型圖像質量評價。原始圖像的獲取困難和無參考模型設計困難直接推動了半參考型圖像質量評價的發展。目前國內外研究最多的還是全參考型圖像質量評價，半參考型和無參考型雖然取得了很多成果，但是仍然不夠完善，今后半參考型和無參考型圖像質量評價將會成為研究熱點，而無參考型圖像質量評價將會成為最終的研究方向。
|
|
|
圖像質量評價體現的是人的主觀感受，人類視覺系統是人們對圖像的生理和心理方面的反應。評價圖像質量的主體是人，自然要考慮到人類是如何觀察和感知圖像的。因此人類視覺系統特性的研究將會是今后發展的重要方向。雖然現在對HVS
特性的研究還很有限，而且其復雜程度難以模擬，但是它仍然是質量評價中最重要的量化模型，若能采用更加精確的HVS
模型，評價性能應能進一步提高。雖然人們已經研究了人眼的一部分物理特性和心理特性并且很好地運用到了實際應用中，但是到目前為止研究得到的成果還處于低級階段，人類視覺系統的研究還有漫漫長路。
|
|
|
目前的全參考評價方法中的大部分都是針對彩色圖像的亮度分量進行計算的，很少有評價方法在彩色空間上進行評價。但是現實世界是豐富多彩的，有時色彩對圖像的視覺效果的影響很大，如何應用圖像的色彩特征進行評價也是以后研究的方向。
|
|
|
現有的圖像質量評價的研究，都是在經歷單一類型失真的圖像上進行的，比如LIVE 和TID2008
的中的退化圖像都是假設只受到一種特定類型的退化，而實際上圖像往往會經歷多種失真類型。如何對多種失真類型的圖像進行評價，并且要保持評價結果的穩定性，是更為復雜的研究課題。
|
|
|
現有的全參考圖像質量評價方法都是研究圖像退化程度的，而沒有研究圖像增強程度的評價方法。全參考評價方法都是假設有一幅完美的標準圖像，標準圖像的質量要優于退化圖像，通過把退化圖像和完美圖像進行比較來判定退化圖像的退化程度。現實中經常需要對一幅效果不太理想的圖像進行改善以增強視覺效果，往往需要某種評價方法用于度量各種增強方法。這時的參考圖像效果要差于改善后的圖像，就不能簡單地應用現在研究出的各種方法，以后需要研究出參考圖像并非完美圖像的方法。
|
|
|
目前為止，國內外的學者們研究出了許多圖像質量的評價方法，但是大多都是基于理論研究，沒有一個權威并且可以通用到所有行業中的軟件。任何研究都是以實際應用為目的的，所以實用性將會是將來發展的一個重要方向。為了把理論研究結果應用于實際應用中，就不能在對評價方法性能進行判定時，局限于準確性、單調性和一致性幾個方面，還應當將方法的復雜度和運算效率及穩定性等因素考慮在內。有些方法雖然效果較好，但是計算時間較長，如何簡化這些方法，使得計算機能夠快速進行評價也需要進一步研究。
|
|
|
在實際應用中，有時很難得到參考圖像，因此，很多學者已經把研究方向轉向半參考圖像質量評價和無參考圖像質量評價上。半參考圖像質量評價只需要部分原始圖像信息，無參考圖像質量評價無需任何原始圖像的信息，這大大降低了評價方法的時間復雜度和空間復雜度，并解決了獲取原始圖像困難的麻煩，但解決起來也更加困難。目前半參考和無參考圖像質量評價方法還處在初步階段，而且大部分評價方法要么只針對單一類型的失真進行，要么需要先進行某種形式的訓練，評價效果達不到全參考評價方法所能達到的程度，訓練模型和訓練數據的選擇也是一個問題。如何把全參考評價方法應用于無參考評價中，構造出一個用于比較的標準圖像來使用全參考評價方法也是以后研究的一個方向。
|
|
|
隨著圖像處理技術的發展，立體圖像技術能提供深度信息來增強圖像的立體感、臨場感，是下一代數字媒體技術的發展方向。如何有效地對三維圖像進行評價將是未來的研究熱點和難點。
|
[top]
|
|
