近日，尊龙凯时平台邓宸伟教授、博士生王水根、赵保军教授，美国德克萨斯大学奥斯丁分校Alan Bovik教授与新加坡南洋理工大学Guang-Bin Huang教授共同合作，利用变换域二维峰态统计特征显著提升了图像噪声无参考质量评价的精度🧑‍💼，同时增加了模型兼容性。研究结果以《Blind noisy image quality assessment using sub-band kurtosis》为题👩‍❤️‍💋‍👩，发表在顶级期刊美国电气和电子工程师协会控制汇刊[IEEE Transactions on Cybernetics, 50(3) 1146-1156 (2020)](影响因子IF:10.387)⏫。

图1. 图像无参考质量评价算法的流程示意图

　　数字图像在获取🧔🏿🧮、储存和传输等过程中，都可能会引入噪声👨‍🍳🧎，导致图像质量下降🐴，难以满足用户应用需求。因此🪻，如何准确评估图像质量的好坏，成为图像处理研究领域的热点🤦‍♂️。图像质量评价方法可以分为主观评价方法和客观评价方法：主观评价需要借助多个观察者对图像进行打分，费时费力；客观评价是建立与图像质量相关的数学模型🪘，让计算机自动推导出图像质量😰，可广泛应用图像或视频处理系统。无参考图像质量评价是一种客观质量评价方法🧍🏻‍♂️，无需借助任何原始图像信息，仅依靠待评价图像本身的信息进行质量评估，具有极高的实用价值并受到越来越多的关注。然而，自然图像内容丰富多变🫲🏼、噪声种类繁杂，现有评估模型难以准确反映图像质量😭，只能针对特定噪声进行评估，应用范围受限，且计算复杂度高🖐🏽🌤，难以满足应用需求♧。

图2. TID2008数据库中噪声污染图像以及相应的二维小波系数分布图♨️🍸。

　　统计特征是从自然图像特有的统计规律中提取的描述量，其特性会随着图像噪声污染程度变化而改变。该团队研究小波系数的统计特性🙋‍♂️，发现低噪声或无噪声自然图像的小波系数具有细峰🧜🏼‍♀️、尖峰的分布;而有噪声的图像往往是平顶的，尾部较浅的分布。根据上述规律，设计了峰态特征来精确描述图像受噪声污染的程度🧜🏿‍♀️，构建灵活的回归模型对多种噪声类型进行拟合，最终利用快速超限学习机技术🪜，将提取的图像小波系数峰态统计特征映射到图像质量上，完成对待检测图像质量的评价。该项工作为实现图像准确👸🏿、高效的无参考评价提供了新的思路。

　　论文链接➡️：https://doi.org/10.1109/TCYB.2018.2889376 

　　附作者简介：

　　邓宸伟🧔，尊龙凯时平台教授🧃、博士生导师🧏‍♂️。近年来，主要面向高分辨率对地观测领域国家重大需求🙆🏽，开展遥感图像智能实时处理基础和应用研究。发表第一/通信作者SCI论文30余篇，含ESI高被引三篇，五篇代表作SCI他引680余次。编写中、英文著作各一部🚵🏻‍♀️。