基于块内容和支持向量回归的图像质量客观评价模型

通过分析人眼对不同图像类型块的敏感度和支持向量回归（SVR）的特性，提出了一种基于块内容和SVR的图像质量评价模型。该模型首先根据图像子块的交流能量的关系，自适应地把图像分成边缘块、纹理块和平坦块3种类型；接着对不同类型块的失真程度采用图像块质量评价方法进行度量，得到图像各类型块的质量分数；其后利用SVR来学习3种类型块的质量分数与主观评价值的关系；最后用训练好的SVR完成图像质量预测。在实验过程中，图像各类型块失真程度评价采用了奇异值分解（SVD）方法、方向投影（DP）方法和投影能量（PE）方法。从实验结果可以得到，该模型克服了图像3种类型子块质量分数的权值讨论，从而使SVD方法、DP方法和PE方法的评价性能得到了有效提高，这表明该模型对图像块质量评价方法性能提高具有一定的普适性。

SSRGFD:双目超分辨率图像通用篡改检测数据集

目的图像编辑软件的普及使得篡改图像内容、破坏图像语义的成本越来越低。为避免恶意篡改图像对社会稳定和安全的威胁,检测图像的完整性和真实性尤为重要。面对新型成像设备和算法,需要重新验证现有图像篡改检测算法的有效性并针对双目超分辨率图像的安全性展开进一步研究。但由于双目超分辨率图像篡改数据集的缺乏,难以满足研究的需要。为此,构建了一个双目超分辨率图像通用篡改检测数据集SSRGFD(stereo superresolution forensic general dataset)。方法数据集构建考虑复制黏贴、拼接和图像修复3种常见的篡改类型。为使数据集图像更贴合真实篡改场景,本文从篡改图像内容和隐藏篡改痕迹两方面出发为不同篡改类型设计了不同的篡改标准。首先使用超分辨率算法PASSRnet(parallax attention stereo image super-resolution network)从Flickr1024数据集生成双目超分辨率图像,分别基于3种篡改标准通过手工或深度学习算法对图像进行篡改,构建了2067幅篡改图像,并为每一幅篡改图像提供了对应的篡改区域掩膜。结果实验从主观和客观两个角度评估数据集图像视觉质量。通过双刺激连续质量分级法得到的主观质量平均评分差异基本都低于1.5。客观质量评价方法BRISQUE(blind/referenceless image spatial quality evaluator)、NIQE(natural image quality evaluator)和PIQE(parent institute for quality education)的平均评估结果分别为30.76、4.248和34.11,与真实图像十分接近。实验使用多种检测方法在SSRGFD和单目图像数据集上进行比较。QMPPNet(multi-scale pyramid hybrid loss network)的性能指标均表现最优,但所有检测方法在SSRGFD上的性能相比于在单目图像数据集上的性能显著下降。结论构建的SSRGFD数据集内容丰富且具有较好的视觉质量,能够为双目超分辨率图像篡改检测研究工作提供良好的数据支持。SSRGFD数据集可以从https://github.com/YL1006/SSRGFD上获取。