Methoden zur bildqualitätsbewertung ohne Referenz, die auf Deep Learning basieren, leiden derzeit unter unzureichender semantischer Korrelation oder hohen Anforderungen an das Modelltraining. Daher schlägt dieser Artikel eine Methode zur bildqualitätsbewertung ohne Referenz vor, die auf der semantischen Merkmalsymbolisierung und Transformer basiert. Zunächst wird ein tiefes Faltungsneuronales Netzwerk verwendet, um hochstufige semantische Merkmale des Bildes zu extrahieren; anschließend werden die semantischen Merkmale in visuelle Merkmalsymbole abgebildet, und die Beziehungen zwischen den visuellen Merkmalsymbolen werden basierend auf dem selbstaufmerksamen Mechanismus des Transformers modelliert, um globale Bildmerkmale zu extrahieren, während ein flaches neuronales Netzwerk niedrigstufige lokale Bildmerkmale extrahiert, um niedrigstufige Verzerrungsinformationen zu erfassen; schließlich werden globale und lokale Bildinformationen kombiniert, um die Bildqualität vorherzusagen. Zur Überprüfung der Genauigkeit und Robustheit des Modells wurden Experimente mit den Korrelationskoeffizienten PLCC und SROCC als Bewertungsmaßstäben auf fünf führenden Bildqualitätsbewertungsdatensätzen und einem Unterwasser-Bildqualitätsdatensatz durchgeführt, und die vorgeschlagene Methode wurde mit 15 traditionellen und tiefenlern-basierten Referenzlosen Bildqualitätsbewertungsmethoden verglichen. Die Ergebnisse zeigen, dass die vorgeschlagene Methode bei einer geringen Anzahl von Parametern (etwa 1,56 MB) auf verschiedenen Datensätzen überlegene Leistungen erzielt, insbesondere mit einer Steigerung des SROCC auf 0,958 auf dem Mehrfachverzerrungs-Datensatz LIVE-MD, was beweist, dass die Methode auch unter komplexen Verzerrungsbedingungen eine genaue Bildqualitätsbewertung ermöglicht, und die Netzwerkstruktur reale Anwendungsszenarien erfüllt.

Bildqualität; referenzlose Bildqualitätsbewertung; Transformer; Selbstaufmerksamkeit; Merkmalsymbolisierung