《表1 MIT数据库性能对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多尺度失真感知特征的重定向图像质量评估》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文使用基于RBF内核的SVMrank[17]在MIT数据库上采用LOOCV（Left One-Out CrossValidation）方式进行多尺度失真感知特征融合。对于每幅原始图像，使用原始图像作为查询，并将8幅重定向图像的主观投票作为排名顺序。将原始图像和8幅重定向图像归为一组，共计37组。对于每组，使用剩余的36组进行训练，然后对该组进行测试。最后，评估结果。将提出的MSDA方法与现有方法进行比较。给出每个RIQA度量的平均KRCC和标准偏差，以及具有特定属性的图像子集的平均KRCC。表1给出MSDA方法在MIT各子集的KRCC指标，其中p-val是指在一个概率模型中，统计摘要（如两组样本均值差）与实际观测数据相同，或甚至更大这一事件发生的概率。实验结果显示，本文提出的MSDA方法性能是每个子集中所有对比方法的前两名，并且平均性能比MLF方法提高4.1%。