[论文解读] Quantitative Evaluation of Base and Detail Decomposition Filters Based on their Artifacts

Charles Hessel, Jean‐Michel Morel|arXiv (Cornell University)|Aug 28, 2018

Image Enhancement Techniques参考文献 44被引用 3

一句话总结

本文提出了一套定量框架，通过识别并测量四种关键伪影——亮度伪轮廓、对比度伪轮廓、阶梯效应和区域化效应——来客观评估基础-细节分解滤波器。该框架使用定制测试图案和数学公式，引入一种交叉校准的、专家标注的融合评分，根据伪影严重程度对滤波器进行排序，结果表明快速局部拉普拉斯滤波器（FLL）在七种测试滤波器中表现最佳。

ABSTRACT

This paper introduces a quantitative evaluation of filters that seek to separate an image into its large-scale variations, the base layer, and its fine-scale variations, the detail layer. Such methods have proliferated with the development of HDR imaging and the proposition of many new tone-mapping operators. We argue that an objective quality measurement for all methods can be based on their artifacts. To this aim, the four main recurrent artifacts are described and mathematically characterized. Among them two are classic, the luminance halo and the staircase effect, but we show the relevance of two more, the contrast halo and the compartmentalization effect. For each of these artifacts we design a test-pattern and its attached measurement formula. Then we fuse these measurements into a single quality mark, and obtain in that way a ranking method valid for all filters performing a base+detail decomposition. This synthetic ranking is applied to seven filters representative of the literature and shown to agree with expert artifact rejection criteria.

研究动机与目标

• 解决在色调映射和对比度增强中使用的基础-细节分解滤波器缺乏客观、标准化评估的问题。
• 识别并数学表征此类滤波器中最常见且感知显著的伪影。
• 通过交叉校准滤波器参数，确保各方法在一致的增强水平下进行比较，建立公平的比较方法。
• 利用专家拒绝标准，将独立的伪影测量结果融合为一个单一、可解释的质量评分。
• 客观地对现有滤波器进行排序，并与专家判断结果进行验证。

提出的方法

• 定义四种主要伪影：亮度伪轮廓、对比度伪轮廓、阶梯效应（对比度反转）和区域化效应，每种伪影均有独立的数学表征方式。
• 为每种伪影设计特定的测试图案，以诱发并隔离其在任何滤波器输出中的表现。
• 基于滤波器对相应测试图案的响应，为每种伪影开发测量公式。
• 实施交叉校准流程，调整滤波器参数，使所有滤波器产生相同水平的细节增强，从而实现公平比较。
• 利用专家标注确定每种伪影的可接受阈值，然后使用这些阈值对伪影评分进行归一化。
• 通过加权平方归一化评分的和，将归一化后的伪影评分融合为单一质量标记：$\mathcal{A}(f) = \frac{\mathcal{H}(f)^2}{\mathcal{H}(\text{IS-}L^0)^2} + \frac{\mathcal{S}(f)^2}{\mathcal{S}(\text{FBF})^2} + \frac{\mathcal{P}(f)^2}{\mathcal{P}(\text{WLS})^2} + \frac{\mathcal{C}(f)^2}{\mathcal{C}(\text{GF})^2}$。

实验结果

研究问题

• RQ1 哪些伪影对基础-细节分解滤波器的感知质量影响最为显著？
• RQ2 如何通过受控测试图案对每种伪影进行数学定义并实现隔离？
• RQ3 如何建立一种公平且一致的滤波器校准方法，使其在相同增强条件下进行比较？
• RQ4 如何将独立的伪影测量结果融合为一个能反映专家拒绝行为的单一、有意义的质量评分？
• RQ5 在该基于伪影的客观评估下，哪种基础-细节分解滤波器表现最佳？

主要发现

• 快速局部拉普拉斯滤波器（FLL）获得了最低的整体伪影评分，排名第一，表明其在最小化所有四种伪影方面表现最优。
• 通过$L^0$梯度最小化实现图像平滑（IS-$L^0$）的滤波器因亮度伪轮廓和阶梯效应伪影而被否定，排名垫底。
• 域变换（DT）滤波器因亮度伪轮廓和区域化效应而失效，排名最低。
• 引导滤波器（GF）主要因对比度伪轮廓被拒绝，尽管在其他指标上表现良好，但整体排名仍较差。
• 如FBF和WLS等滤波器因两种或以上伪影而被否定，证实其在高质量对比度增强中的适用性有限。
• 基于融合评分$\mathcal{A}(f)$的最终排名与专家拒绝决策高度一致，验证了该方法的可靠性。