上海大学通信与信息工程学院硕士研究生姜旭浩在导师沈礼权研究员的指导下,以第一作者在国际期刊《Journal of Visual Communication and Image Representation》上发表题为“Screen Content Image Quality Assessment based on Convolutional Neural Networks”的研究论文,沈礼权研究员为通信作者。近期,该论文被评为JVCI Best Paper Award (runner up) 2021。《Journal of Visual Communication and Image Representation》是图像通信与多媒体领域的国际主流期刊。
图像在图像获取、处理、存储、压缩和传输过程中,不可避免地引入噪声,从而导致图像降质。无参考图像质量评价由于无法利用到参考信息因而无法对图像质量进行良好预测。为此,本研究使用全参考图像质量评估方法作为教师模型来指导无参考评价模型的训练。该策略在无参考评估模型中隐式利用了参考图像,并显著提高无参考模型性能。其次,基于统计特征分析,我们利用局部方差来区分文本区域和图片区域,并加权图像块质量。特别的,该特征对不同的噪声类型和强度具有鲁棒性。提出的模型可广泛用于屏幕内容图像/视频压缩和处理中,并且可以进行相应扩展。该工作在得到国家自然科学基金重点项目(No. 61931022)等资助与支持。
(投稿人:姜旭浩 17721490)