计算机生成图像的图像质量评估：基于机器学习和软计算

Image Quality Assessment of Computer-generated Images: Based on Machine Learning and Soft Computing

图像质量评估以测量自然场景图像的感知图像退化而闻名，但仍然是计算机生成图像的新兴主题。

本书解决了这个问题，并介绍了基于软计算的最新进展。

它面向图像处理领域以及计算机图形学和可视化等相关领域的学生、从业者和研究人员。
在本书中，我们首先阐明了自然场景图像与计算机生成图像之间的差异，并通过关注噪声的视觉感知来解决图像质量评估（IQA）的问题。

我们没有使用已知的感知模型，而是首先研究了人工智能中经典使用的软计算方法的使用，作为全参考和减少参考指标。

因此，通过创建学习机（例如 SVM 和 RVM），我们可以评估计算机生成图像的感知质量。我们还研究了使用区间值模糊集作为无参考度量。
对于 IQA 的完整过程，这些方法在理论上和实践上都得到了处理。学习步骤是使用根据人类用户实验构建的数据库执行的，生成的模型可用于使用随机渲染算法计算的任何图像。

这对于在渲染过程中检测图像不同部分的视觉收敛非常有用，从而优化计算。这些模型还可以扩展到信号处理和图像处理领域处理复杂模型的其他应用程序。