有意思的hand-crafted features based IQA的论文吧（图像质量评价）

1、2015IEEE SPL, No-referencequality assessment of contrast-distorted images based on natural scenestatistics.

1.1框架：features + SVM

非常有意思的是features。作者使用SUN2012 database中的16873 images，每张image提取矩特征（是不是很熟悉？？？数理统计学过吧）：均值，方差，峰度，偏态，熵。一共有16873 images, 分别把这些值堆成直方图，居然符合某种分布，看图：

每一张分布对应一个函数，matlab里面有一个函数好像叫normfit（不知道对不对，我15年的时候研究过一下下），可以得到分布函数的参数。万事俱备了！来一张distorted image，分别输入之前拟合得到的分布函数，可以得到5个值。把这5个值表示可以反映图像质量变化的features。（我不去纠结为什么）。引用上海交通大学教授的一句话：图像之美，既在科学也在人文。源自图像的数字居然可以拟合成一条完美的曲线，让人惊叹。图像之美在于科学，此时想起了大学时期学过的大数定律（忘记，所以赶紧百度了一下）。百度百科里面是这样讲的：大数定律研究的是随机现象统计规律性的一类定理，当我们大量重复某一相同实验的时候，其最后的实验结果会稳定在某一数值附近。就像抛硬币一样，当我们不断地抛，抛个上千次，甚至上万次，我们会发现，正面或者反面上的次数都会接近一半。正如这篇论文中提取的，从一个大的database中每次拿一张image，扔进数学公式，出来5个值。分别投向5个坐标轴上。投着投着，发现这些值堆成了一个个小土堆，外面刚刚好可以穿上Gaussian牌的外套。神奇！神奇！！！

（看论文时，我对于这些相对原创性的论文都会竖起大拇指，原因是反正我怎么也想不到这个idea）