Convolutional Neural Networks for No-Reference Image Quality Assessment
Le Kang1 , Peng Ye1 , Yi Li2 , and David Doermann 1
2014 IEEE Conference on Computer Vision and Pattern Recognition
按照之前看过的一篇综述性文章Deep Convolutional Neural Models for Picture-Quality Prediction: Challenges and Solutions to Data-Driven Image Quality Assessment的说法，本文是第一篇将CNN用于IQA问题的。下面简单看一下作者的思路和模型。
INTRO
FR measures，有参考的图像评估，state of the art 的传统方法：
VIF：
H. R. Sheikh, A. C. Bovik, and G. de Veciana. An information fidelity criterion for image quality assessment using natural scene statistics. IEEE Transactions on Image Processing, 14(12):2117–2128, Dec. 2005.
FSIM：
L. Zhang, D. Zhang, X. Mou, and D. Zhang. FSIM: A feature similarity index for image quality assessment. IEEE Transactions on Image Processing, 20(8):2378–2386, 2011.
已经可以和人类的感知有较好的相关性了。
但是NR没有参考图像，因此需要在畸变了的图像中去找特征。比较成功的就是NSS（自然图景统计量），传统的NSS是在小波或者DCT域里提NSS-based特征，所以比较慢，而CORNIA P. Ye, J. Kumar, L. Kang, and D. Doermann. Unsupervised feature learning framework for no-reference image quality assessment. In IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pages 1098–1105, 2012. 和 BRISQUE A. Mittal, A. Moorthy, and A. Bovik. No-reference image quality assessment in the spatial domain. IEEE Transactions on Image Processing, 21(12):4695–4708, 2012. 两种方法从空域提取特征，从而使得效率提上来了。而且CORNIA方法说可以直接从原始图像像素中提取特征，不需要手工提取特征。
普通的CNN的结构实际上不适合做IQA问题，因为CNN目的是提取具有不变性的图像特征，而IQA需要的是NSS统计特性，所以需要修改CNN的结构。另外，以前的工作多是对所有的像素点统计，从而估计整体质量，而文章的CNN可以对patch的质量进行估计，从而使得enhancement只在需要的地方进行。
传统方法CORNIA已经有了从原始图像直接学习特征的思路，本文就是受其启发。之前的神经网络做IQA都是用网络学一个回归，而之前的输入还是由手工提取的特征。本文是由图像直接提取特征回归出一个评分。
CNN for NR-IQA
32 × 32 −26 × 26 × 50 − 2 × 50 − 800 − 800 − 1 网络结构如左。先32的patch然后用7×7的kernel卷积，得到26 26 50，然后用一个min pooling和max pooling得到一个min一个max，就变成了2×50，最后过两个全连接，输出。
首先先对图片patch做一个local normalization，如图：
文中选的是P=Q=3，这样得到了局部的对比对均衡，而且大的归一化的窗口会导致performance变差，如果做uniform的normalization，那么会降低3%。但是用了局部归一化，说明这个网络相对较少的关心对比度的下降，而是更多关注degradation，如blur，compression，noise等。
网络结构如图：
接下来是pooling，这里把每个feature map 池化成为一个min一个max，也是来源于CORNIA。相比于max pooling，加上min pooling可以提高performance大约2%.
激活函数用relu，但是由于用了min pooling，所以在卷积和pooling层不用relu，只在最后的FC层用。
另外，用了dropout，也只在FC层用。最后的目标函数是L1范数。
下面是局部质量估计的结果：
2018年04月16日00:33:29
如果我们会死，也要听着音乐死亡。 —— 记者，阿列克谢耶维奇 【我不知道该说什么，关于死亡还是爱情】