基于大核卷积分解和多尺度注意力的图像质量评价

来源：计算机技术与发展杂志2025年第06期北京时间：

作者：林重成;王同罕*;贾惠珍

摘要：近年来,计算机视觉领域广泛采用注意力机制来模拟人类视觉系统(HVS)的感知过程。 然而,自注意力模型(如 Transformer)在图像处理中的应用面临计算复杂度高和信息丢失的挑战。 为此,该文提出了一种基于大核卷积分解和多尺度注意力机制的图像质量评价方法(LMA-BIQA)。 该方法采用双分支结构网络设计,其中一个分支基于注意力机制,通过大核卷积捕获图像中远距离特征之间的依赖关系,以生成多尺度注意力特征,并通过分解大核卷积实现模型的轻量化,用于提取图像的高级内容特征。 另一个分支利用自然场景统计(NSS)方法提取图像的低级质量特征,以补偿大核卷积在裁剪缩放过程中导致的信息丢失。 该方法在 LIVE、CISQ、TID2013 和 LIVE-C 四个标准数据集上均表现出优异的性能,加权平均后的斯皮尔曼等级相关系数和皮尔森线性相关系数分别达到 0. 928 5 和 0. 937 5。 此外,LMA-BIQA 显著减少了计算时间,参数量和计算时间对比 Re-IQA 模型降低了 65% 以上,且与人类主观评价有较高的一致性。

关键词：大核卷积分解;无参考图像质量评价;自然场景统计;多尺度注意力机制;深度学习