图像质量评估方法

本文提出了一种新颖的FR‑IQA范式，其中涉及灵活的参考选择。它致力于通过在基于给定原始特征构建的等质量空间中找到失真特征的最佳解释来生成参考特征。在没有各种失真类型失真图像的真实参考的情况下，采用质量回归损失、干扰最大化损失和内容损失来优化伪参考特征学习。在五个IQA基准数据库上的实验结果表明，将FLRE与现有的基于深度特征的FR‑IQA模型相结合可以提高性能。