结合双向相似性变换的重定向图像质量评价

目的 显示设备的多样化使得图像重定向的作用日益凸显。不同的重定向方法产生不同视觉感受的重定向图像，而如何评价重定向图像的质量，优化重定向算法是当前研究的热点与难点，为此，提出一种结合双向相似性变换的重定向图像质量评价方法。方法 首先对原始图像和重定向图像进行像素点双向匹配，利用网格顶点坐标对计算前向变换矩阵和后向变换矩阵。然后由相似性变换矩阵与标准变换矩阵间的距离得到重定向图像的几何失真。由网格面积缺失得到重定向图像的信息损失。最后结合网格的显著性，融合前向匹配与后向匹配的几何失真和信息损失得到重定向图像的质量。结果 该方法在RetargetMe和CUHK数据库上的KRCC（Kendall rank correlation coefficient）和SROCC（Spearman rank-order correlation coefficient）性能分别达到了0.46和0.71，较现有方法有较大提升。在前向匹配与后向匹配测试中，双向匹配的测试结果优于单向匹配。结论 本文方法将图像的重定向处理看做相似性变换过程。实验结果表明，从相似性变换矩阵中提取的相关特征能够较精确度量重定向图像的几何失真，而由此引发的网格面积缺失也能准确反映出重定向图像的信息损失。另外，采用双向匹配机制一定程度上减少了像素匹配误差对实验结果的影响，有效提升了重定向图像质量预测的准确性。该方法对重定向图像的质量评价效果好，适用于重定向图像的质量预测及算法优化。

Image retargeting quality assessment via bidirectional similarity transformation