《表2 在LIVE数据集上EAL-IQA与无参考算法的性能比较》

  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

《基于增强型对抗学习的无参考图像质量评价算法》

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

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。