有意思的hand-crafted features based IQA的论文吧2（图像质量评价）

1、2016IS: Orientation selectivity based visual pattern for reduced-reference image quality assessment

(2015TIP. Visual orientation selectivity based structure description.)

这篇论文很有意思，提出了一种新颖的特征提取方法Orientation selectivity mechanism (方向选择机制)：。非常值得学习。

视觉心理学的解释就不讲了，我不是研究这个方向的。也讲不清楚。聊一下怎么做的。

注：这些图都是来源于原论文

        提取特征的时候，类似于local binary pattern(LBP)。LBP指的是一个非常非常出名，非常非常NICE的纹理检测的特征提取方法，也有很多很多变种。常规的LBP特征提取如下图所示：要表示图像中每一个像素点，直接用intensity值表示是没有意义的，像素点灰度值等于100，有什么意义吗？说明不了什么问题。所以，要用每个像素点的局部信息表示这个像素点（离它太远的信息对它的影响也不大）。这个像素点改变称呼：中心像素点，围绕它，取中心像素点的局部信息。ok,抛出两个问题来了，一个“局部”，一个“信息”。局部区域取多大呢？8邻域或者其他。这个“信息”怎么取呢？因为是纹理检测，纹理纹理，要有差异，才有纹理。像素点值都一样的话，就是一片空白或者一片黑了。LBP就比较中心像素点像素值与周围像素点像素值的大小。然后赋值1或者0（还有局部三值模式等等，不要局限于这一种），周围一圈，组合起来就是8位二进制。然后编码。。。不扯了，回到正篇。

      方向选择机制是怎么弄的呢？不是比较中心像素点和周围像素点的像素值大小了。换成方向角度比较了。方向选择嘛，选择一个方向咯。如果周围像素点的方向角度和中心像素点的方向角度差异在某一个范围之内，认为该像素点和中心像素点方向一致。标记为+；否则标记为-。 标记完了，就统计一下咯。有多少个周围像素点和中心像素点的方向一致（N个），用N表示这个像素点。编码完成了。详细的如何应用到IQA任务还是很好理解的，看论文吧。

注：这些图都是来源于原论文

2、2016TMM: Blind image quality assessment using statistical structural and luminance features

这篇论文的idea还是挺新颖的。和其他论文的差别挺大。我觉得。觉得也很nice。

主要用了Luminance（MSCN coefficient [1]）和LBP特征。

//// 计算得到luminance map之后，并不是论文[1] 一样，去拟合GGD模型。用模型的参数mu和sigma表示可以反映图像质量变化的feature。论文只使用histogram去表示luminance map的。

//// 使用locally rotation invariant uniform LBP operator（P=8，R=1）(主要是计算二进制编码的0-1，1-0跳变次数).可以将input image变成一个取值范围在0~9 的feature map.也是用histogram表示feature map.

/// 把两部分feature合起来

[1] 2012TIP: No-reference image quality assessment in the spatial domain

有人能给我讲一下这篇论文[1]吗? reference image的MSCN值可以拟合得到类高斯分布，这好理解，大自然背后神奇的规律。那为什么distorted image也去拟合GGD模型，得到mu,sigma. 失真了，不是不符合类高斯分布了吗？都不符合类高斯分布了，还去拟合类高斯分布吗？这是为什么？Do I miss something?

还有很多关于LBP完成IQA任务的论文：

[2] 2017ICMEW：No reference quality assessment for screen content images

[3] 2016IEEE SPL: No reference quality assessment for multiply-distorted images in gradient domain

[4] 2016NC: BSD: Blind image quality assessment based on structure degradation

[5] 2015IEEE SPL: Blind image quality assessment using the joint statistics of generalized local binary pattern

[6] 2016ICME: No-reference image quality assessment based on statistics of local ternary pattern