یادگیری غیرنظارتی ویژگی برای ارزیابی کیفیت کور تصاویر فرا تفکیک‌پذیر

افزایش تفکیک‌پذیری تصاویر، یک مسئله کلاسیک در زمینه پردازش تصویر است که هدف آن ایجاد تصاویر با تفکیک‌پذیری بالا از تصویر با تفکیک‌پذیری پایین است. الگوریتم‌های بسیاری در این زمینه تاکنون ارائه شده‌اند. با این حال، ارزیابی موثر کیفیت این نوع تصاویر همچنان بعنوان یک زمینه تحقیقاتی چالش برانگیز باقی مانده است. روش‌های معمول ارزیابی کیفیت تصویر، همخوانی کافی با معیارهای ادراکی ندارند. لذا ارائه روش‌های ارزیابی کیفیت خاصِ تصاویر فراتفکیک‌پذیر، اهمیت بالایی دارد. در این مقاله ما یک روش ارزیابی کیفیت بدون مرجع برای تصاویر فراتفکیک‌پذیر ارائه می‌کنیم که با یادگیری بدون برچسب یک کتاب اتم‌ها روی تصاویر مرجع با تفکیک‌پذیری بالا و بازنمایی بلوک‌های تصاویر فراتفکیک‌پذیر با این کتاب، ویژگی‌های محلی تولید می‌نماید که قادرند تخریب‌های ناشی از افزایش تفکیک‌پذیری را به خوبی توصیف نمایند. این ویژگی‌ها با یک رویکرد مناسب هرمی، تلفیق شده و بردار ویژگی سراسری از تصویر تولید می‌کنند. این بردارها و امتیازات کیفیت چشمی در نهایت، جهت آموزش یک مدل رگرسیون مورد  استفاده قرار می‌گیرند. نتایج تجربی نشان می‌دهند که این روش در عین سادگی، سرعت و عدم نیاز به حجم بالای داده آموزشی، کارایی بهتری نسبت به روش‌های موجود دارد.