图1.图像无参考质量评价算法的流程示意图
数字图像在获取、储存和传输等过程中，都可能会引入噪声，导致图像质量下降，难以满足用户应用需求。因此，如何准确评估图像质量的好坏，成为图像处理研究领域的热点。图像质量评价方法可以分为主观评价方法和客观评价方法：主观评价需要借助多个观察者对图像进行打分，费时费力；客观评价是建立与图像质量相关的数学模型，让计算机自动推导出图像质量，可广泛应用图像或视频处理系统。无参考图像质量评价是一种客观质量评价方法，无需借助任何原始图像信息，仅依靠待评价图像本身的信息进行质量评估，具有极高的实用价值并受到越来越多的关注。然而，自然图像内容丰富多变、噪声种类繁杂，现有评估模型难以准确反映图像质量，只能针对特定噪声进行评估，应用范围受限，且计算复杂度高，难以满足应用需求。
图2.TID2008数据库中噪声污染图像以及相应的二维小波系数分布图
统计特征是从自然图像特有的统计规律中提取的描述量，其特性会随着图像噪声污染程度变化而改变。该团队研究小波系数的统计特性，发现低噪声或无噪声自然图像的小波系数具有细峰、尖峰的分布;而有噪声的图像往往是平顶的，尾部较浅的分布。根据上述规律，设计了峰态特征来精确描述图像受噪声污染的程度，构建灵活的回归模型对多种噪声类型进行拟合，最终利用快速超限学习机技术，将提取的图像小波系数峰态统计特征映射到图像质量上，完成对待检测图像质量的评价。该项工作为实现图像准确、高效的无参考评价提供了新的思路。
论文链接：https://doi.org/10.1109/TCYB.2018.2889376
附作者简介：
邓宸伟，北京理工大学信息与电子学院教授、博士生导师。近年来，主要面向高分辨率对地观测领域国家重大需求，开展遥感图像智能实时处理基础和应用研究。发表第一/通信作者SCI论文30余篇，含ESI高被引三篇，五篇代表作SCI他引680余次。编写中、英文著作各一部。相关研究成果已应用于特定领域，获中国电子学会自然科学二等奖、军队科技进步二等奖各一项。
