IQA图像质量评价 数据集介绍(LIVE、TID2013、CSIQ、LIVEC、KonIQ-10K)

这篇具有很好参考价值的文章主要介绍了IQA图像质量评价 数据集介绍(LIVE、TID2013、CSIQ、LIVEC、KonIQ-10K)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

LIVE数据集

         LIVE数据集是最大的可用注释图像质量数据集,由奥斯汀的德克萨斯大学图像和视频工程实验室于2006年建立,整个数据集的参考图片来源于互联网和摄影光盘中收集的29张高分辨率和高质量的彩色图像,包括人脸图片、动物图片、特写镜头、广角拍摄图片、自然场景、人造物体以及具有不同前景/背景配置的图像。。

       LIVE数据集包括779幅失真图像,数据集使用五种计算机失真操作分别对参考图进行5 ∼ 6个等级的降质处理,得到了779张失真图像,为了模拟可能发生在现实应用中大多数的图像损伤,这些失真类型包括了结构化失真(高斯模糊)、与图像相关的失真(JPEG 压缩JPEG2000 压缩和JPEG2000 快速尺度衰落失真)以及随机噪声(白噪声),以及29幅高分辨率24位/像素RGB彩色参考图像。每个失真类型包含5或4个失真级别,(如图一所示,展示的是fastfading失真等级)。图像的大小大多为768×512。

IQA图像质量评价 数据集介绍(LIVE、TID2013、CSIQ、LIVEC、KonIQ-10K)IQA图像质量评价 数据集介绍(LIVE、TID2013、CSIQ、LIVEC、KonIQ-10K)

        数据库提供每个失真图像 对应的平均主观得分差 ( differential mean opinion score,DMOS),大约 25000个统计数据,由 161个实 验者测试得到。每个图像质量评级的差分平均意见分数(DMO)在[0,100]的范围内,其中较高的DMO意味着较低的质量。

TID2013数据集

        TID2013数据集包含了从25个参考图中获得的3000多张测试图像,每个参考图像有24种失真类型,每种类型的失真分为5 个级别。通过对来自五个不同国家(芬兰、法国、意大利、乌克兰和美国)的志愿者进行了985次主观实验,收集了图像的平均意见得分。值得注意的是TID2013数据集除了17个模拟空间扭曲的失真图像外,引入了7 种新型失真类型,它试图更多地关注图像在“颜色”方面的扭曲,这是考虑到如今人们对灰度图像使用率逐渐减少,所以颜色信息的保存变得越来越重要。其次,该数据集在创建过程中使用了新的构造失真图像算法,丰富了IQA数据集中的图像失真类型,这对于创建图像视觉质量指标是很重要的。

        基于HVS度量设计和评估的数据集的基本要求,IQA数据集应该包含大量各种内容的标准彩色图像。2013 年建立的TID2013包含25张无失真彩色图像,其中24张图像(通过裁剪)从柯达数据集中获得,人工创建了第25 张参考图像,添加到24 张自然场景图像中,如图三所示,共有25张无失真图像。可以看出,测试图像在内容风格方面大相径庭,其中一些图片包含相当丰富的纹理,也有一些则包含较大的均匀区域。

IQA图像质量评价 数据集介绍(LIVE、TID2013、CSIQ、LIVEC、KonIQ-10K)
图三 标题TID2013数据集中的参考图

         由于TID2013数据集失真种类更为丰富,样本数量较多,因此很多IQA算法在做测试或对比试验时用到该数据集。

CSIQ (categorical subjective image quality) 数据集

        CSIQ (categorical subjective image quality) 数据集于2009年建立,包含30张原始图像和866 张合成失真图像。CSIQ数据集中的六种失真类型分别为:高斯模糊、加性彩高斯噪声、加性高斯白噪声,全局对比度衰减、JPEG 压缩和JPEG2000 压缩。每种失真类型在4到5个不同的失真水平的降质操作下得到866 个原始图像的失真版本。由25 位志愿者针对CSIQ 数据集做出了5000个DMOS 评估数据,取值范围为(︀0,1⌋︀。

真实实失真数据集

LIVE Challenge 数据集(LIVE In the Wild Image Quality Challenge Database)

    livec被称为“野生图像质量挑战数据集”,于2016 年建立,该数据集包含了使用现代移动设备捕获的1162幅在广泛多样的真实失真情况下的图像,这些照片来自在于现实世界中使用不同的摄像设备的不同摄影师,因此这些图像包含复杂的真实失真。主观分数通过众包的方式收集,由8100多名测试者进行评估,收集到超过35万份对1162 张图像的主观意见得分,𝑀𝑂𝑆的取值范围为[3.42,92.43]。 

KonIQ-10k (Konstanz authentic Image Quality database)

         由Hosu等人于2020年建立的数据集,它从YFCC100M 数据集(一个包含1000万张图片的大型公共多媒体数据集)中选择了10,073张图片,采样过程利用了一个基于深度特征的内容指标和7 个质量指标,确保了图片内容和质量分布的多样性,使得图像在亮度、色彩、对比度和清晰度方面能够广泛且均匀地分布。对于每张图片,通过众包获得了120个可靠的质量评级,由1459名志愿者进行标注,收集的主观数据高达120 万。𝑀𝑂𝑆的取值范围为[3.91,88.39]。

TID2013、LIVE(databaserelease)下载地址

链接:https://pan.baidu.com/s/1lvqZ5VJLp_ONG8t31BrfVg 
提取码:jr5z 


LIVE(databaserelease)压缩文件解压密码:livedatabase2005文章来源地址https://www.toymoban.com/news/detail-441387.html

到了这里,关于IQA图像质量评价 数据集介绍(LIVE、TID2013、CSIQ、LIVEC、KonIQ-10K)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 图像处理之图像质量评价指标SSIM(结构相似性)

    一、SSIM基本定义 SSIM全称为“Structural Similarity Index”,中文意思即为结构相似性,是衡量图像质量的指标之一。给定两张图像x和y,其结构相似性可以定义为: matlab中对SSIM的文档说明: SSIM的范围为[0,1],其值越大,表示图像的质量越好 。当两张图像一模一样时,此时SSIM=1。

    2024年02月07日
    浏览(29)
  • 基于NIQE算法的图像无参考质量评价算法matlab仿真

    目录 1.算法运行效果图预览 2.算法运行软件版本 3.部分核心程序 4.算法理论概述 4.1 空域NSS特征提取 4.2 图像块选取 4.3 MVG模型 4.4 NIQE指标 5.算法完整程序工程 MATLAB2022a        NIQE(Naturalness Image Quality Evaluator)算法是一种无参考图像质量评价算法,旨在评估图像的自然度,

    2024年02月05日
    浏览(30)
  • 计算机视觉:图像质量评价指标之 PSNR 和 SSIM

    由上可见,PSNR相对MSE多了一个峰值,MSE是绝对误差,再加上峰值是一个相对误差指标  一般地,针对 uint8 数据,最大像素值为 255,;针对浮点型数据,最大像素值为 1。 上面是针对灰度图像的计算方法,如果是彩色图像,通常有三种方法来计算。 分别计算 RGB 三个通道的 P

    2024年02月15日
    浏览(36)
  • 图像质量的评价指标【PSNR/SSIM/LPIPS/IE/NIE/Prepetual loss】

    前言 做插帧这么久了,这几个指标还没系统的研究过,这次开一个博客写下这几个指标的区别 这里贴一个比较全的评价指标的库https://github.com/csbhr/OpenUtility/tree/c9cf713c99523c0a2e0be6c2afa988af751ad161 以以下两张图为例 预测图片 真实图片 MSE(mean squared error)均方误差 公式如下: 即两

    2024年02月13日
    浏览(32)
  • 数据治理:数据质量评价体系

    数据质量人人有责,这不仅仅只是一句口号,更是数据工作者的生命线。数据质量的好坏直接决定着数据价值高低。 数据质量管理是指在数据创建、加工、使用和迁移等过程中,通过开展数据质量定义、过程控制、监测、问题分析和整改、评估与考核等一系列管理活动,提高

    2024年02月08日
    浏览(29)
  • 腾讯云 CODING 荣获 TiD 质量竞争力大会 2023 软件研发优秀案例

    8 月 13-16 日,由中关村智联软件服务业质量创新联盟主办的第十届 TiD 2023 质量竞争力大会在北京国家会议中心召开。本次大会以“聚焦数字化转型 探索智能软件研发”为主题,聚焦智能化测试工程、数据要素、元宇宙、数字化转型、产融合作、未来产业等前沿热点主题,内

    2024年02月12日
    浏览(32)
  • 相机图像质量研究(1)Camera成像流程介绍

    相机图像质量研究(1)Camera成像流程介绍 相机图像质量研究(2)ISP专用平台调优介绍 相机图像质量研究(3)图像质量测试介绍 相机图像质量研究(4)常见问题总结:光学结构对成像的影响--焦距 相机图像质量研究(5)常见问题总结:光学结构对成像的影响--景深 相机图像质量研究(6)常

    2024年02月16日
    浏览(29)
  • 相机图像质量研究(2)ISP专用平台调优介绍

    相机图像质量研究(1)Camera成像流程介绍 相机图像质量研究(2)ISP专用平台调优介绍 相机图像质量研究(3)图像质量测试介绍 相机图像质量研究(4)常见问题总结:光学结构对成像的影响--焦距 相机图像质量研究(5)常见问题总结:光学结构对成像的影响--景深 相机图像质量研究(6)常

    2024年02月16日
    浏览(31)
  • 文本-图像生成(Text-to-Image Generation)的评价指标介绍——CLIPScore、TISE

    论文标题:CLIPScore: A Reference-free Evaluation Metric for Image Captioning 这一篇是针对Image Caption领域的评价指标,但是有些基于条件的Diffusion模型也使用了这个评价指标来衡量文本和生成图像的匹配程度。 本文提出的CLIPScore(下文简称CLIPS)是不需要推理的评估指标,之前常见的基于

    2023年04月08日
    浏览(33)
  • 【最新最近】详细介绍图像修复评价指标MaPSNR、DISTS、FQeIQA、L0SSIM、LPIPSvgg、FID

    目录 MaPSNR DISTS FQeIQA L0SSIM LPIPSvgg FID MaPSNR(Multi-scale Peak Signal-to-Noise Ratio)是一种多尺度峰值信噪比指标。它是PSNR (Peak Signal-to-Noise Ratio) 的一种变体。MaPSNR是Mean-adjusted Peak Signal-to-Noise Ratio的缩写,即平均调整峰值信噪比。 在传统的PSNR指标中,只考虑了图像的全局信息,而没

    2024年02月11日
    浏览(55)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包