《表2 在LIVE数据集上EAL-IQA与无参考算法的性能比较》
将提出的无参考EAL-IQA算法和文献[1]列出的具有代表性的同类无参考IQA方法在LIVE数据集上进行性能比较。由表2可以看出,提出的算法的性能已经超过同类算法。SROCC性能比MVG(Multi Variate Gaussian model)算法[17]提高6个百分点,比BIQI(Blind Image Quality Index)[20]高10个百分点,比ILNIQE (Integrated Local Natural Image Quality Evaluator)[37]提高7个百分点,比BRISQUE(dubbed Blind/Referenceless Image Spatial QUality Evaluator)[38]提高2个百分点,比CNN(Convolutiona Neural Networks)[39]和HOSA(High Order Satistics Aggregation)算法[40]提高1个百分点。PLCC性能比CORNIA(COdebook Representation for No reference Image Assessment)[1]提高1个百分点。总结表1和表2,在LIVE数据集上,本文算法虽有优势,但是并不明显,分析原因可能是LIVE数据库较小,容易导致本文算法产生过拟合,造成测试性能偏低,如果采用数据增强的办法,会失去比较的公平性,考虑在更大的数据库TID2008和TID2013进行实验,后续的实验也验证了上述分析的正确性。
图表编号 | XD00189086000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.10 |
作者 | 曹玉东、蔡希彪 |
绘制单位 | 辽宁工业大学电子与信息工程学院、辽宁工业大学电子与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |