Perceptual Quality Assessment for Fine-Grained Compressed Images

要約

近年、画像の保存や伝送システムが急速に発展しており、その中で画像圧縮は重要な役割を担っている。一般的に、画像圧縮のアルゴリズムは、限られたビットレートで良好な視覚品質を確保するために開発されています。しかし、圧縮の最適化方法が異なるため、圧縮された画像は異なる品質レベルになる可能性があり、定量的に評価する必要がある。現在主流のフルリファレンス（FR）メトリクスは、粗視化レベル（圧縮画像のビットレート差が明らか）の圧縮画像の品質予測には有効ですが、ビットレート差が非常に微妙な細視化圧縮画像に対しては性能が劣る可能性があります。そこで、より良い体感品質（QoE）の向上と圧縮アルゴリズムへの有用な指針を提供するために、細粒度の圧縮画像に対するフルリファレンス画質評価（FR-IQA）手法を提案する。具体的には、まず参照画像と圧縮画像を$YCbCr$色空間へ変換する。そして，圧縮アーチファクトに敏感な領域から勾配特徴を抽出する．次に，Log-Gabor変換を採用し，テクスチャの違いをさらに分析する．最後に，得られた特徴を融合して品質スコアを算出する．提案手法を、特にビットレートの近い圧縮画像の品質を評価するために構築されたFGIQA (Fine-grained Compression Image Quality Assessment) データベースで検証する。実験の結果，提案手法はFGIQAデータベースにおいて，主流のFR-IQA手法よりも優れていることがわかった．また，本手法を他の一般的な圧縮IQAデータベースでも検証した結果，粗視化された圧縮IQAデータベースにおいても，本手法が競争力を持つことがわかった．

要約(オリジナル)

Recent years have witnessed the rapid development of image storage and transmission systems, in which image compression plays an important role. Generally speaking, image compression algorithms are developed to ensure good visual quality at limited bit rates. However, due to the different compression optimization methods, the compressed images may have different levels of quality, which needs to be evaluated quantificationally. Nowadays, the mainstream full-reference (FR) metrics are effective to predict the quality of compressed images at coarse-grained levels (the bit rates differences of compressed images are obvious), however, they may perform poorly for fine-grained compressed images whose bit rates differences are quite subtle. Therefore, to better improve the Quality of Experience (QoE) and provide useful guidance for compression algorithms, we propose a full-reference image quality assessment (FR-IQA) method for compressed images of fine-grained levels. Specifically, the reference images and compressed images are first converted to $YCbCr$ color space. The gradient features are extracted from regions that are sensitive to compression artifacts. Then we employ the Log-Gabor transformation to further analyze the texture difference. Finally, the obtained features are fused into a quality score. The proposed method is validated on the fine-grained compression image quality assessment (FGIQA) database, which is especially constructed for assessing the quality of compressed images with close bit rates. The experimental results show that our metric outperforms mainstream FR-IQA metrics on the FGIQA database. We also test our method on other commonly used compression IQA databases and the results show that our method obtains competitive performance on the coarse-grained compression IQA databases as well.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL