标签：BLIND MDI SIMILARITY 压缩 VIA 图像 相似性 PSS 结构
目录
动机：作者认为，基于块的压缩会产生一种伪结构（pseudo structures），并且不同程度压缩产生的伪结构具有一定的相似性。那么，我们就可以通过检测伪结构相似性，来评估压缩图像质量。
检测方法：将压缩图像进行最大程度压缩，得到most distorted image（MDI）；然后再计算压缩前后的相似性，即pseudo structural similarity（PSS）。如果压缩图像本身质量很差，那么相似度就会很高。
意义：该方法不仅对于自然压缩图像很有效，而且对screen content image（SCI）也很有效。
本文考虑JPEG压缩图像。
【本文似乎主要考虑块效应，因为作者强调伪结构出现在块边缘。其实还有块内模糊可以考虑】
1. 技术细节
1.1 得到MDI
首先，PSS的意义在于利用了质量坐标的另一个方向，从而实现盲IQA：
具体而言，MDI是通过MATLAB的imwrite函数，设置质量为0压缩得到的。
1.2 判别伪结构，计算伪结构相似性
[14]指出：自然图像中的角（corner）分布是不规律的。但对于JPEG压缩图像，角就变得规律了。这是因为压缩引入了大量伪角，且主要集中在块边缘。[14]就是用规律的角的占比，来刻画压缩失真程度。
本文的判别方式简单粗暴【但不准确】：只要检测到的角分布在\(8 \times 8\)边缘上，那么就被判定为伪结构；否则就判定为正常结构。这样，我们就能得到一个伪结构图：
可以从图中看到，但压缩越剧烈、质量越差时，压缩图像和MDI重合的伪结构就越多（红色代表重合点）。
检测角的方法借助[17]。
进一步，PSS就是 重合伪结构的数目 除以 MDI中伪结构的数目。
2. 实验
实验效果不是最佳的，只是和SOTA方法[7]不相上下。注意，在SCI上测试同样不错。
此外，作者还将这种思路用于检测一般失真。做法是：在一些基于特征的NR方法基础上，将PSS作为一个新的特征。从表2可以看出，PSS特征通常能显著改善 基于特征的NR方法 的性能。
标签：BLIND,MDI,SIMILARITY,压缩,VIA,图像,相似性,PSS,结构 来源： https://www.cnblogs.com/RyanXing/p/PSS.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。