基于元学习和失真感知的图像质量评价

获取图像主观质量评分的成本较高,使图像质量评价(Image Quality Assessment,IQA)模型通常面临训练样本量不足的问题,另外,失真类型对于图像视觉感知质量具有重要的影响。针对以上问题,本文提出了一种基于元学习和失真感知相结合的图像质量评价方法。首先,通过元学习模拟人类学习的过程来快速获取已知失真类型的先验知识,指导后续的ResNet-50网络有效融合多尺度特征。引入失真感知模块捕获完整失真信息,建立统一的质量评价体系。在LIVE、KonIQ-10k等合成失真与真实失真数据集上的实验结果表明,所提模型在小样本条件下,能够提升模型在不同失真类型间的泛化性能。在与现有先进方法的综合实验对比中,本模型较次优方法在PLCC和SROCC两个评价指标上分别取得了1.02%和1.85%的提升。本文模型的评价精度与目前主流的IQA模型相比,具有一定的竞争力。