Page 134 - 《武汉大学学报（信息科学版）》2025年第10期
P. 134
第 50 卷第 10 期 卢朝晖等：交通目标特定区域的图像质量评估 2069
表 1 图像质量评估的 SRCC 和 PRCC 指标 提取前挡风玻璃区域，单独评估其图像质量。另
Table 1 SRCC and PRCC Metrics for Image 外，实验结果说明了本文所设计的特定区域识别
Quality Assessment 模块在交通监控场景下能准确识别前挡风玻璃
算法 SRCC PLCC 区域，为后续质量评估模块奠定了基础。
BRISQUE 0.313 0.351
2.3.2 图像质量评估模块中组件的影响
NIQE 0.451 0.480
为了验证图像质量评估模块中各个组件的
DBCNN 0.764 0.786
影响，本节研究了各个损失函数部分的效果。由
PAQ2PIQ 0.719 0.754
MUSIQ-AVA 0.595 0.600 于损失函数包含 4 个部分，通过不同组合产生 4
MUSIQ- KONIQ 0.787 0.808 种额外方案，实验结果如表 3 所示。其中方案 1
MUSIQ- PAQ2PIQ 0.767 0.801 为使用像素损失和对抗损失，方案 2 使用特征损
MUSIQ- SPAQ 0.789 0.813
失和对抗损失，方案 3 使用像素损失和特征损失，
GraphIQA 0.785 0.809
方案 4 使用像素损失、特征损失和对抗损失。在
NLNet-IQA 0.781 0.812
这些方案中，对抗损失均为一般的对抗损失，真
本文方法 0.792 0.829
假样本标签的判断完全取决于是否为生成的样
方法仅包含浅层的特征提取网络和质量分数回
本，不与图像质量评估任务协同学习，在图像质
归器，结构简单，容易收敛到局部最优。
量评估器的训练时，固定生成器，式（6）中的特征
2.3 消融实验
提取器均使用预训练模型。
2.3.1 特定区域识别模块的影响
表 3 各个损失函数组件的影响
为了评估所设计的基于单阶段的车辆前挡
Table 3 Impacts of Each Component of Loss Function
风玻璃特定区域的识别算法在图像质量评估实
方案 L 1 L 2 L 3 L 4 SRCC PLCC
验中的重要性，进行了消融实验，结果如表 2 所
方案 1 √ × √ × 0.661 0.654
示，“×”表示不采用此步骤，而“√”表示采取此步 方案 2 × √ √ × 0.658 0.699
骤。特定区域识别模块包含感兴趣的车辆识别 方案 3 √ √ × × 0.405 0.593
（在表 2 中记作“车辆识别”）和前挡风玻璃区域识 方案 4 √ √ √ × 0.732 0.771
本文方法 √ √ √ √ 0.792 0.829
别（在表 2 中记作“区域识别”），由于前挡风玻璃
区域的识别依赖于感兴趣的车辆识别，根据是否 在表 3 中，方案 3 结果最差，方案 1 和方案 2
采用这两种识别过程，产生额外两种方案。方案 1 与其相比，结果有较大提升，说明对抗训练对于
为算法直接对原始图像做图像质量评估；方案 2 交通监控图像的生成至关重要。对比方案 1 和方
表示只进行感兴趣的车辆识别，评估整个车辆所 案 2，在 SRCC 度量下，方案 1 表现性能较好，而在
在区域，而不是前挡风玻璃的图像质量。 PLCC 度量下，方案 2 表现性能较好。这是因为
表 2 特定区域识别模块的影响 一个关注像素级别的重建，而另一个关注特征级
Table 2 Impacts of Specific Area Identification Module 别的重建，两者在不同角度的度量下更能体现出
特定区域识别模块 评估指标 优势。方案 4 同时考虑 3 种损失，在训练时能综
方案
车辆识别 区域识别 SRCC PLCC 合 考 虑 特 征 级 别 和 像 素 级 别 的 重 建 ，最 终 在
方案 1 × × 0.513 0.439 SRCC 和 PLCC 度量下均取得了最优结果。
方案 2 √ × 0.602 0.586
本 文 方 法 与 方 案 4 对 比 ，SRCC 提 升 了
本文方法 √ √ 0.792 0.829
0.060，PLCC 提 升 了 0.058。 由 此 可 以 得 出 以 下
由表 2 可以看出，方案 1 在 SRCC 和 PLCC 上 结论：通过协同学习，融合图像质量评估任务判
表现均最差，方案 2 虽然也有提升，但是仍然落后 断图像的真假样本标签，能够提升鉴别器的鉴别
于本文方法。其中原因主要在于背景区域或汽 能力和生成器对图像质量评估任务的图像生成
车非挡风玻璃区域图像质量优异，但是挡风玻璃 能力，进而产生更有帮助的伪参考图像，最终提
区域由于镜面光反射而图像质量低下，或者黑夜 升图像质量评估任务的性能。
等其他环境中背景区域图像质量差，但是挡风玻 2.4 模型复杂度分析
璃 区 域 由 于 交 通 监 控 探 头 补 光 而 图 像 质 量 好 。 本节研究模型中各个组件的运行时间复杂
由于背景区域和汽车非挡风玻璃区域占整幅图 度，计算在 4 000 张交通监控图像运行的平均时
像比例较大，所产生的负面影响也大，因此必须 间，结果如表 4 所示。
