ENIQA: 基于熵的无参考图像质量评估系统

1. 摘要 本文介绍了一种名为ENIQA（基于熵的无参考图像质量评估）的图像质量评估方法。该方法利用图像熵概念，提出了一种新的图像质量评估指标，它能够对不同类型的失真图像进行质量评估，并且具有较低的复杂度。 2. 熵值法 熵（Entropy）在信息论中代表了信息量的度量。在图像处理领域，熵值法用于图像质量评估主要是通过计算图像信息的丰富程度来反映图像的质量。图像熵越高，表明图像包含的信息越丰富，质量一般也越好。 3. 基于熵的无参考图像质量评估（ENIQA） ENIQA方法通过以下步骤进行： - 在空间域中，提取颜色通道之间的互信息和图像的二维熵。 - 在频域中，通过滤波处理后，计算子带图像的二维熵和互信息。 - 将空间域和频域中提取的所有特征用于支持向量机（SVM）中，其中支持向量分类器（SVC）用于失真分类，支持向量回归（SVR）用于质量预测。 - 最后，结合SVC和SVR的结果，计算出图像的最终质量评估分数。 4. 评估指标和数据集 ENIQA方法在两个图像质量评估数据集上进行了测试： - LIVE数据集：一个广泛使用的标准图像质量评估数据集，用于评估ENIQA方法与其它NR和FR（有参考）图像质量评估方法的性能对比。 - 其他数据集：未在描述中明确提及，但考虑到实验涉及不同失真类型，可能包括了多种失真类型的图像数据集。 性能评估指标采用了斯皮尔曼等级相关系数（SROCC），该指标用于评价预测分数与主观评分之间的相关性。 5. 代码实现和环境 ENIQA的Matlab代码已在64位Windows 7系统下的Matlab R2016a环境中进行实验，并在带有Matlab R2016b的Ubuntu 16.04系统中进行验证，显示出良好的兼容性和运行性能。 6. 研究团队 ENIQA方法是由陈小巧、张庆一、林满慧、杨光一*和何楚等人提出，所有成员均为IEEE成员。 7. 标签含义 【系统开源】标签表明ENIQA项目遵循开源原则，用户可以自由获取和使用该项目的资源，包括源代码、文档等。 8. 文件名称列表 【ENIQA-master】表明用户可以下载到ENIQA方法的完整项目代码，其中"master"通常表示该代码是主版本或最新的稳定版本。 以上知识点详细介绍了基于熵的无参考图像质量评估方法ENIQA，包括其原理、实现、评估标准、实验验证以及开源信息。这些内容对于希望在图像质量评估领域进行研究和开发的科研人员和工程师具有重要参考价值。