La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Blind Quality Index for Super Resolution Reconstructed Images Using First- and Second-Order Structural Degradation Indice de qualité aveugle pour les images reconstruites en super résolution utilisant une dégradation structurelle du premier et du deuxième ordre

Jiansheng QIAN, Bo HU, Lijuan TANG, Jianying ZHANG, Song LIANG

  • Vues en texte intégral

    0

  • Citer

Résumé:

La reconstruction d'images en super résolution (SR) a attiré une attention croissante ces années-ci et de nombreux algorithmes de reconstruction d'images SR ont été proposés pour restaurer une image haute résolution à partir d'une ou plusieurs images basse résolution. Cependant, comment évaluer objectivement la qualité des images reconstruites SR reste un problème ouvert. Bien qu’un grand nombre de mesures de qualité d’image aient été proposées, elles sont assez limitées pour évaluer la qualité des images reconstruites SR. Inspiré par cela, cet article présente un indice de qualité aveugle pour les images reconstruites SR utilisant une dégradation structurelle du premier et du deuxième ordre. Tout d’abord, l’image reconstruite SR est décomposée en cartes de magnitude dérivée multi-ordres, efficaces pour la représentation structurelle du premier et du deuxième ordre. Ensuite, des caractéristiques basées sur l'énergie logarithmique sont extraites sur ces cartes de magnitude dérivée multi-ordres dans le domaine fréquentiel. Enfin, la régression vectorielle de support est utilisée pour apprendre le modèle de qualité des images reconstruites SR. Les résultats d'expériences approfondies menées sur une base de données publique démontrent les performances supérieures de la méthode proposée par rapport aux mesures de qualité existantes. De plus, la méthode proposée dépend moins du nombre d’images d’entraînement et présente un faible coût de calcul.

Publication
IEICE TRANSACTIONS on Fundamentals Vol.E102-A No.11 pp.1533-1541
Date de publication
2019/11/01
Publicisé
ISSN en ligne
1745-1337
DOI
10.1587/transfun.E102.A.1533
Type de manuscrit
PAPER
Catégories
Image(s)

Auteurs

Jiansheng QIAN
  China University of Mining and Technology
Bo HU
  China University of Mining and Technology
Lijuan TANG
  Jiangsu Vocational College of Business
Jianying ZHANG
  China University of Mining and Technology
Song LIANG
  China University of Mining and Technology

Mots-clés

Table des matières