Существующие методы оценки качества изображений без эталона на основе глубокого обучения в настоящее время сталкиваются с проблемами недостаточной семантической связности или высокими требованиями к обучению модели. В связи с этим в данной работе предложен метод оценки качества изображений без эталона, основанный на семантической символизации признаков и Transformer. Сначала с помощью глубокой сверточной нейронной сети извлекаются высокоуровневые семантические признаки изображения; затем семантические признаки отображаются в визуальные признаки-символы, и на их основе с помощью механизма самовнимания Transformer моделируются отношения между визуальными признаками-символами для извлечения глобальных признаков изображения, одновременно используется неглубокая нейронная сеть для извлечения низкоуровневых локальных признаков изображения, захватывая информацию о низкоуровневых искажениях; в конце комбинируются глобальная и локальная информация изображения для предсказания качества изображения. Для проверки точности и устойчивости модели проведены эксперименты с использованием коэффициентов корреляции PLCC и SROCC в качестве оценочных метрик на пяти основных наборах данных для оценки качества изображений и одном наборе данных для оценки качества подводных изображений, и предложенный метод сравнен с 15 традиционными и глубокими методами оценки без эталона. Результаты экспериментов показывают, что предложенный метод достигает превосходной производительности на всех наборах данных при небольшом количестве параметров (около 1.56 МБ), особенно повышая SROCC до 0.958 на многократном искажённом наборе LIVE-MD, что демонстрирует способность точно оценивать качество изображения в условиях сложных искажений, а структура сети подходит для практических применений.

Качество изображения; оценка качества изображений без эталона; Transformer; самовнимание; символизация признаков