基于空域和频域特征的无参考图像质量评价方法

张 寅，吕向阳，闫钧华，马 越，侯 平，王高飞

（1.南京航空航天大学空间光电探测与感知工业和信息化部重点实验室，江苏南京 211106；2.南京航空航天大学航天学院，江苏南京 211106）

随着科技的发展与时代的进步，人们对于图像质量水平有着越来越高的需求，无论是在光学遥感领域、医疗卫生领域还是生活娱乐领域，高质量的图像都能给我们带来极大的帮助与便利，因此，对图像的质量水平进行评价已成为当前科学研究的一个重要课题。

目前，无参考图像质量评价方法主要分为两类[1]，一类是基于特征提取的方法，如：胡义坦等人[2]针对彩色图像，基于边缘检测算法和图像亮度特征，评价图像的失真程度。该算法对于压缩失真的评价效果较差。贺勇洁等人[3]基于波前理论，建立像差模型，评价失真图像质量水平。闫钧华等人[4]融合图像的多元特征，对失真遥感图像进行有效评价。另一类为基于深度学习的方法[5]，如：Yi 和Hua 等人提出了OGIQA 算法，基于图像的梯度信息和AdaBoosting 神经网络来预测图像分数[6]。Kim Jongyoo 等人提出DIQA 算法，利用卷积神经网络对图像质量进行评价[7]。Zhang Yin 等人提出FDSVIQA 算法，融合了图像统计视觉特征和卷积神经网络深度特征，具有较高的主客观一致性[8]。

基于深度学习的方法通常需要复杂的网络设计和庞大的训练数据库，且训练时间较长，因此，文中基于融合空域和频域特征的方法对失真图像进行质量评价。文中融合36 维空域特征向量和6 维频域特征向量构建了42 维的图像特征向量,其中为4 维空域特征向量，为32 维空域特征向量。……