Learning a no-reference quality metric for single-image super-resolution

الگوریتم های متعددی از یک الگوریتم فوق العاده وضوح تصویر در ادبیات ارائه شده است، اما مطالعات اندکی به بررسی مسئله ارزیابی عملکرد بر اساس ادراک بصری پرداخته اند. در حالی که اکثر تصاویر با وضوح بالا توسط معیارهای کامل مرجع ارزیابی می شوند، اثربخشی مشخص نیست و تصاویر واقعی حقیقت زمین در عمل همیشه در دسترس نیستند. برای رسیدگی به این مشکلات، ما مطالعات موضوعی انسانی را با استفاده از یک مجموعه بزرگ از تصاویر با وضوح فوق العاده انجام می دهیم و پیشنهاد می کنیم که یک متریک بدون مرجع که از نمرات درک بصری آموخته شده است. به طور خاص، ما سه نوع از ویژگی های آماری پایین در حوزه های فضایی و فرکانس را برای اندازه گیری مصنوعات فوق العاده حل می کنیم، و یک مدل رگرسیون دو مرحله ای برای پیش بینی نمرات کیفیت تصاویر با وضوح فوق العاده بدون اشاره به تصاویر واقعی زمین . نتایج تجربی گسترده نشان می دهد که متریک پیشنهاد شده موثر و کارآمد برای ارزیابی کیفیت تصاویر با وضوح بالا بر اساس ادراک انسان است.