本文共 1478 字，大约阅读时间需要 4 分钟。

图像质量评价（二）：Visual Saliency-Induced Index (VSI)

Visual Saliency-Induced Index（VSI）是一种基于图像显著性特征的全参考（FR）图像质量评价标准。与基于几何/相互洁度失真（GSM/SSIM）方法不同，VSI主要关注图像失真对视觉显著性（Visual Saliency, VS）的影响。

研究表明，图像质量的失真会显著影响视觉显著性特征图（VS map），且这种影响与失真程度有着强烈的相关性。为了验证这一假设，我们对TID2013数据集的VS maps进行了分析。该数据集包含25个参考图像，24种不同类型的失真，5个失真水平。每种失真类型和水平对应25个失真图像。首先，使用GBVS模型对数据集中所有图像计算VS maps。然后，对每个失真图像计算其与对应参考图像的VS maps的均方误差（MSE）。对同一类型同一水平失真的MSE求均值，结果显示出显著的相关性。

实验结果表明，大多数失真类型的VS maps中MSE值越大，对应的主观质量评分越低。如上图所示，c和e两种不同类型的失真，主观质量评分分别为5.05和2.40，对应的MSE值分别为4.49和198.36。结果显示，颜色饱和度改变（CCS）类型失真在VS maps中表现较差，这是由于VS计算过程中的归一化操作导致的。例如，对比度改（Contrast Change, CTC）类型失真因归一化操作影响了VS值的表现，使得VS maps无法准确反映对比度失真。

为应对这种问题，研究采用了梯度模流量（Gradient Modulus, GM）来补充VS的不足。例如，使用Scharr operator计算图像的水平和垂直梯度。如上图所示，ab两个图像的VS maps分别为cd和ef。通过对比Prosecutor检验结果表明，f相较于e有更明显的失真，说明GM map能够较为准确地反映对比度失真。

此外，由于颜色失真（如色度改变）无法通过单通道梯度值得以准确度量，研究进一步引入了M/N通道的信息，结合RGB空间变换。通过实验验证，这种方法能够有效补充颜色失真检测。

基于上述特征，VSI可以通过以下公式定义：

MS-x(x, y) = α * VS_s(x, y)/max(VS_i) + β * GM_map(x, y)/max(GM_j) + γ * M_map(x, y)/max(M_k) + δ * N_map(x, y)/max(N_l)

其中，α, β, γ, δ均为正权重常数。最终，图像的VSI值计算为各个像素的加权平均，具体公式如下：

VSI = avg( VS_map × VS_squared + GM_map × GM_squared + M_map × M_squared + N_map × N_squared )

通过实验验证，VSI与多个标准数据库（如TID2013，TID2008，CSIQ，LIVE）得出的指标表现优异。如下表所示：

这表明VSI在多个标准下均展现出良好的性能，具有广泛的应用价值。

转载地址：http://sgaiz.baihongyu.com/