IQA

• 数据来源（相关数据库）

  • NBU
  • LIVE(最为流行)
  • MICT
  • CML

• 现象

  • Binocular rivalry（双目竞争）
  • 用眼是一段阶段一只眼睛独占的
  • 构建照片的各部分每只眼镜的注意力比例（这个比例是连续的），这是可以考虑的点
  • 当双目竞争极端情况下是binocular suppresion

• Disparity estimation

  • 详细的算法列表在Middlebury database
  • 算法们
  • sum-of-absolute difference (SAD)
  • SSIM based stereo algorithm
  • 用处
  • 通过加权相应的像素点来合成cyclopean image

• 图像处理前期

  • Gabor filter banks
  • 
  • Dog Filter

• 图像处理

  • Sparse coding
  • 一幅图像随机选择到N个patch(比如8*8)，然后将这些patch向量化（1*n），由sparse coding学习到一个字典。用字典来表示这些patch，表示的方法即得到一个coefficient。定义得到的一些coeffient为energy，其他为complexity。应用类似SSIM方法。
  • SSIM
  • 
  • 通常取C1=(K1*L)^2, C2=(K2*L)^2, C3=C2/2, 一般地K1=0.01, K2=0.03, L=255（ 是像素值的动态范围，一般都取为255）
  • 
  • LBP算法
  • LBP的基本思想是对图像的像素和它局部周围像素进行对比后的结果进行求和。把这个像素作为中心，对相邻像素进行阈值比较。如果中心像素的亮度大于等于他的相邻像素，把他标记为1，否则标记为0。
  • 边缘检测
  • Kirsch算子
  • 图像梯度内核(Canny、Prewitt、Sobel)
• 最后评价值的得到
  
  • 应用多个特征得到多个特征相似度分数，最终图像质量的客观评价测度可以为几个特征相似度分数的积
  • 归一化
  • SVR回归

• 算法优劣衡量方法

  • PLCC
  • 范围[-1,1],绝对值越大越好
  • SROCC
  • 秩序相关系数，只与序列中元素的排序有关，最大为1，越大相关性越好
  • 范围[-1,1],绝对值越大越好
  • RMSE
  • 均方根误差
  • 越小越好，没有上限，最小是0
  • KROCC
  • KROCC = (同序对数-逆序对数) / 总对数
  • Attention
  • 在进行PLCC和RMSE之前需要进行Logistic回归

• 名词

  • cyclopean image
  • ​