考虑结构一致性和内容完整性的重定向图像质量评价.pdf

针对适应不同宽高比显示设备全屏显示的重定向图像的视觉质量问题，提出一种基于像素级结构一致性和内容完整性的重定向图像质量评价模型.该模型首先使用后向配准，建立重定向图像和参考图像之间的像素级对应关系；其次考虑到注意力转移的问题，采用像素级宽高比相似性偏差指数计算重定向图像在显著区域和全局的结构一致性，并利用图像组成变化获取图像内容完整性；最后通过内容完整性和结构一致性的线性组合实现重定向图像质量评价.实验结果表明，提出的模型不仅对重定向图像质量评价的效果好，而且可以在内容完整性和结构一致性的二维评估图中观察不同重定向算法的行为，适用于重定向算法比较、选择和优化.关键词：图像重定向质量评估；内容完整性；结构一致性；二维评价图；注意力转移；图像配准中图分类号：TN911.73Image retargeting quality assessment using content integrity and structural consistencyCHEN Nan,CAI Boqin,YANG Gongning,CHEN Weiling,ZHAO Tiesong(College of Physics and Information Engineering,Fuzhou University,Fuzhou,Fujian 350108,China)Abstract:An image retargeting quality assessment model based on pixel-level structural consistencyand content integrity is proposed for the visual quality problem of retargeted images for full-screendisplay of display devices with different aspect ratios.Firstly,this model employs backward registrationto establish the pixel-level correspondence between a retargeted image and its reference image.Secondly,the pixel-level aspect ratio similarity deviation index is utilized to calculate the structuralconsistency of the retargeted image in the salient region and the global towards the attention shiftproblem.In addition,the image composition changes are adopted to obtain the image content integrity.Finally,the image retargeting quality assessment is approached by a linear combination of the contentintegrity and the structural consistency.Experimental results show that the proposed CISC model cannot only have a good effect on the quality assessment of retargeted images but also observes thebehavior of different redirection algorithms in the two-dimensional evaluation graph of content integrityand structure consistency.Hence,the proposed CISC metric is beneficial for the comparison,selection,and optimization of retargeting algorithms.Keywords:image retargeting quality assessment;content integrity;structural consistency;two-dimen-0引言随着多媒体通信和显示技术的发展，具有多样化分辨率和宽高比的显示设备的种类越来越多，如电视、手机、平板、电脑、投影仪等.为了保证显示设备利用率和用户的视觉感观需求，图像重定向算法被提出，使得图像可以适应于任意不同分辨率的显示设备的全屏显示1由于图像内容丰富多样，图像重定向过程中像素的移除或重新映射容易造成重定向图像视觉信息丢失、结构扭曲和形状变化等，从而导致图像质量下降.而重定向图像与参考图像的宽高比不同，两者内容难以直接一一对应，传统的质量评价方收稿日期：2 0 2 2-10-13通信作者：赵铁松（19 8 4-），教授，主要从事图像处理与计算机视觉等研究，基金项目：国家自然科学基金面上资助项目（6 2 17 1134）；福建省自然科学基金重点资助项目（2 0 2 2 J02015）文献标识码：Asional evaluation graph;attention shift;image registration 518法几乎无法直接应用.因此，为了衡量重定向图像的质量与图像重定向算法的性能，重定向图像质量评价（i ma g e r e t a r g e t i n g q u a l i t y a s s e s s me n t，I RQ A）的研究具有实际应用价值和研究意义.目前的IRQA算法主要包括基于图像距离、学习和图像配准这3类.基于图像距离2-5的IRQA指标通常定义图像距离直接评估图像之间全局内容的相似性，如不同的形状描述符4，但该指标忽略了两个图像之间大小差异的问题，导致性能有限.基于学习的IRQA指标6-7 已经取得了一定的成果，如基于分段堆栈自动编码器的图像重定向深度质量评估器7。然而基于学习的方法通常需要大量的训练数据，相对较小的重定向图像数据库在一定程度上影响了基于学习的IRQA指标的可解释性和泛化性能.许多基于图像配准的IRQA指标被提出用于解决重定向图像和对应的参考图像之间的宽高比和分辨率差异问题8-15。图像配准可以获取参考图像和重定向图像像素之间的对应关系，从而更好地计算图像特征之间的相似度，量化图像的视觉变化.Hsu等8 使用SIFTflow的局部方差来测量几何失真并根据显著图估计重定向图像中的信息损失.Lin等9 计算原始图像和重定向图像的匹配块的结构相似度，以测量重定向图像的局部相似度.Zhang等10 使用基于后向配准的局部块的纵横比相似度（ARS）来预测重定向图像的质量.Peng等15采用基于素描令牌的局部边缘描述符来表示几何感知特征，以测量局部和全局几何失真.现有的基于图像配准的IRQA指标具有较好的性能优势，但仍存在一些问题.图像中非显著区域发生失真可能导致人眼注意力转移，即除了显著区域，人眼还关注图像中结构失真严重的区域，但大多数IRQA方法忽略了其对图像质量的影响.此外，由于图像分辨率和宽高比的自适应调整，图像重定向的过程通常可以看作是参考图像像素的移除和重映射.然而，现有的IRQA方法很难解释图像重定向过程如何影响重定向图像的质量.为了克服这些问题，本研究根据图像重定向过程，提出了一种基于内容完整性和结构一致性的IRQA模型，解决注意力转移问题，以更准确地检测重定向图像中的结构不一致情况.同时，考虑重定向图像结构一致性和内容完整性，以全面客观地预测重定向图像的视觉质量.1重定向图像质量评价模型图像重定向算法可以视为像素移除和重新映射的过程，即对参考图像移除相对不重要的像素，并将保留的像素的位置重新映射为重定向图像.所提出的IRQA指标框架如图1所示.福州大学学报（自然科学版）第51卷显著区域提取区域映射内容完整性参考图像显著区域后向配准显著区域映射图像素级宽高比计算客观分数结构一致性重定向图像首先，对于一对参考图像和重定向图像的输人图像对，在输人图像对之间建立像素级对应关系，并提取其显著区域图。一方面，为了量化重定向图像的结构一致性，使用宽高比偏差指数计算像素重映射后图像显著区域和全局的结构变化.另一方面，对于重定向图像的内容完整性，主要关注显著区域像素移除对图像组成的影响.最后，通过内容完整性和结构一致性之间的简单组合来预测重定向图像的客观质量得分.1.1图像预处理图像预处理主要包括图像后向配准和显著区域提取.首先，为了解决输人图像对的大小和宽高比差异问题，通过后向配准4来建立输人图像对之间的像素级对应关系.现有的配准算法精度相对较高，但是往像素级对应关系图1所提出的IRQA指标框架图Fig.1Framework diagram of the proposed IRQA metrichttp:/宽高比图第4期往速度很慢.使用宽高等比的均匀放缩后的参考图像与重定向图像进行后向配准，通过减少需要配准像素的方式减少配准的运算量，从而在不改变配准算法的前提下提高图像配准的速度，该思路也可以适用于其他的图像配准算法.由于图像经过小比例的宽高等比的均匀放缩后，质量变化不大.后续将放缩后的参考图像作为重定向图像的参考图像来计算重定向图像的质量.将放缩比例定义为(1)(H。W其中：k为调整放缩比例大小的常数，实验中取k=0.5，H。和H,分别表示参考图像和重定向图像大小的高度，W。和W，分别表示参考图像和重定向图像大小的宽度.此外，为了解决注意力转移的问题，采用UNet网络16 提取参考图像的显著区域.为了使得提取结果更加准确，实际的显著区域提取结合了UNet网络的前景提取结果和人提取结果，更全面地提取了参考图像中需要的显著区域.重定向图像直接提取的显著区域与参考图像的对应部分存在一定的差距，特别是显著区域缺失相对较多时，提取到的显著区域并不完整.因此，将像素级对应关系与参考图像的显著区域结合，提取重定向图像中与参考图像显著区域对应的区域，从而保证重定向图像显著区域提取结果的准确性.1.2结构一致性在图像重定向过程中，参考图像保留的像素进行重映射时会造成重定向图像像素的位置发生变化，而重定向图像的像素本身几乎不变，像素中不存在传统自然图像中的加性噪声和乘性干扰失真，重定向图像的内容变化不大.因而，重定向图像的结构一致性主要量化其像素的位置变化造成的结构中存在的几何失真.将图像重定向看作下采样过程时，当参考图像的宽和高进行等比例均匀下采样时，得到的重定向图像结构的几何形状不变；而参考图像的宽和高下采样比例差别越大时，得到的重定向图像结构的几何形状变形越严重.同理，当参考图像像素在重映射过程中横纵坐标的相对位置变化程度差异越大时，图像的局部结构变形越严重，导致图像局部质量越差.而重定向图像和参考图像的宽高比往往不同，因此像素的横纵坐标的相对位置变化程度的相似性反映了重定向图像局部结构的几何质量.因此，参考像素的重映射过程，提出一种像素级宽高比相似度来定义重定向图像的局部结构一致性.对于重定向图像的像素P,(i，j)，像素级宽高比相似度pars(i，j)定义为pars(i,j)=7其中：r。（i，j）是像素P（i，j）在参考图像中对应像素P。的宽高比；r（i，j）是像素P（i，j）在重定向图像中的宽高比。可以认为重定向图像中的像素没有移动，定义r（i，j)=1，从而保证等式（2）的分母不为0.等式(2）可以简化为(3)r(i,j)+1而T。可定义为w。(i,j)T.i,j)=hh。(i,j)w(i,j)=X(i+1,j)-X(i,j)I+1h。(i,j)=Y(i,j+1)-Y(i,j)+1其中：X(i,j）和Y(i,j）分别表示重定向图像像素P（i,j）对应的参考图像像素P。的横纵坐标.pars(i，j)的取值范围为0，1，当pars（i，j）越接近1时，像素的横纵坐标的相对变化越接近，图像结构变化越小，图像局部结构质量越好.可以通过式（3)得到一个如图1所示的像素级宽高比图.当像素级宽高比相似度等于1时，宽高比图显示为白色可以看出宽高比图中大部分是白色的，这表明重定向图像中大部分像素的位置变化不大.因此，用宽高比图的标准差来量化图像结构的不均匀扭曲，并结合宽高比图的均值以量化图像结构的结构陈楠，等：考虑结构一致性和内容完整性的重定向图像质量评价a=k r(i,ji)+r(i,j)2 r。(i,j)pars(i,j)=http:/519.(H.W)2 r。T(2)(4)(5)(6)520失真.对于给定的区域A，像素级纵横比偏差（ARDA）定义为g(parsa)ARDA=u(parsA)其中：parsa表示区域A的像素级宽高比相似度图；（p a r s a）表示区域A的像素级宽高比相似度图的标准差；（p a r s A）表示区域A的像素级宽高比相似度图的均值.当（p a r s A）越大或（p a r s A）越小，即区域A的宽高比分布越不均匀或区域A整体宽高比相似性越低，ARDA越大，重定向图像与参考图像的结构越不一致，重定向图像质量越差.考虑到图像的扭曲可能会导致的注意力转移问题17，即人眼在关注图像显著区域的同时，对非显著区域的失真区域也很敏感.这说明图像全局的失真区域都可能影响图像的质量，而图像显著区域的失真程度对图像质量也很关键.因此，为充分考虑显著区域和全局失真区域的影响，图像结构一致性SC定义为(8)其中：ARD,表示整个图像的像素宽高比偏差；ARDs表示显著区域的像素宽高比偏差，ARD或ARD。越大，即图像全局的结构或显著区域的结构越不一致.SC越小，图像质量越差；反之，图像质量越好.1.3内容完整性图像重定向过程中，一部分像素被移除.当重定向图像大小确定时，图像重定向过程中保留的像素数目确定，则显著区域像素丢失越少，图像内容越完整，重定向图像的质量相对越高，反之亦然.因此，重定向图像的显著区域的保留率一定程度上表明了图像内容的完整性，对于图像质量是有意义的.因此，显著区域面积保留率SAR定义为(9)SA。其中：SA。为参考图像显著区域的像素数；SA,为参考图像显著区域对应的重定向图像显著区域的像素数.为了直观地理解内容完整性与重定向图像质量之间的关系，图2 显示了内容完整性的表示与主观分数之间的散点图.首先，图2(a)绘制了SAR与主观分数之间的散点图.由图可知，相同SAR的重定向图像的主观分数上下波动比较大，即当重定向图像的显著区域缺失像素比同时，图像内容完整相近，但不同重定向图像的结构一致性可能相差很大.整体来说，SAR与主观分数之间呈现正相关关系.SAR越小，显著区域缺失像素越多，图像语义受到更多影响，主观分数相对越小。0.80.80.60.60.40.40.20.2000.20.4SAR(a)SAR与主观分数图2 内容完整性与主观分数的散点图Fig.2 Scatter plot between content integrity and subjective score而当SAR小于等于0.6 时，SAR越小，有的重定向图像的主观分数依旧很高，且主观分数线性下降趋势并不明显，可能的原因是对于其一些重复图案的图像如风景类以及语义缺失多的图像，更多对应像素的缺失对图像语义和质量影响相对小.因此，尝试使用SAR的指数关系来定义图像内容完整性（CI），即(10)其中：SAR为显着区域面积保留率，SAR的取值范围为O，1.因此，CI的取值范围也控制为O，1.CI和主观分数之间的散点图如图2(b)所示.与SAR相比，CI与图像主观评分的关系更紧密，缩短了相同主观分数的重定向图像的内容完整度的左右波动，特别是内容完整性值小于0.6 时，与SAR相比，CI福州大学学报（自然科学版）SC=(1-ARD,)(1-ARDs)SA,SAR=0.60.8第51卷(7)1.00.2CI=e(SAR-1)http:/0.4(b)CI与主观分数0.6CI0.81.000.11第4期的范围缩短了一半左右，一定程度上弥补了SAR在小于0.6 时不明显的线性趋势.因此，SAR的指数关系比线性关系更符合内容完整性与主观分数的线性关系.最后，综合图像重定向过程中像素移除和重新映射的影响，将图像内容完整性和结构一致性进行线性组合，构建了重定向图像的客观指标(CISC），即(11)其中：权重因子调整了这两个指标的相对重要性.2结果与分析2.1数据库和评估指标在CUHK数据库18 上验证了提出的IRQA方法.该数据库由57 张参考图像和17 1张重定向图像组成，其中包含10 种重定位算法，而每张参考图像随机从中选取3种图像重定向算法获取对应的重定向图像.该数据库中的每个重定向图像的质量都提供了主观分数，由平均意见分数（MOS）表示.所提出的方法与2 种无参考图像质量评价方法、4种基于图像距离的IRQA方法、2 种基于学习的IRQA方法和8 种基于图像配准的IRQA方法进行比较.采用Pearson线性相关系数（PLCC）、Sp e a r ma n 秩阶相关系数（SROCC）、均方根误差（RMSE）和异常值比（OR来验证IRQA算法得到的客观分数与MOS之间的一致性.PLCC和SROCC越大，客观指标与MOS的相关性越高，而RMSE与OR越小，客观指标与MOS之间的误差越小，客观指标越准确.2.2参数设置及实验结果首先，对于加快配准速度的参考图像的放缩比例a的调整参数k，不同放缩比例下，图像配准的配准精度与配准速度如表1所示.将17 1张重定向图像与其对应参考图像进行配准，使用放缩的参考图像和像素对应关系映射得到重建的重定向图像，计算重建的重定向图像与重定向图像之间的结构相似度（SSI M）以评估图像配准的精度，使用单张图像平均配准时间评估配准算法的配准速度.因此，k=0.5时，既可以加快图像配准的速度，又保证了图像配准的精度.权重因子用于调整内容完整性与结构一致性在图像质量评价中的权重，统计了不同时得到的客观分数与主观评分的4种性能指标如图3所示.0.800.750.700.650.600.5500.20.40.60.81.0(a)与相关系数图3权重与客观分数的性能指标关系图Fig.3 Relationship between the weight o and the performance protocol of objective scores当为0.1左右时，客观分数与主观分数的相关系数性能指标PLCC和SROCC都达到最大值0.7 5左右，而RMSE和OR分别达到最小值0.8 9、0.0 7.因此，将设置为0.1时，PLCC和SROCC最大，客观分陈楠，等：考虑结构一致性和内容完整性的重定向图像质量评价CISC=CI+(1-)SCTab.1Registration accuracy and speed of registrationalgorithms at different scaling ratios配准方式取值配准精度U配准/s张-直接配准一0.750.55放缩后配准0.500.450.3011.5-SROCC一PLCC521表1不同放缩比例下配准算法的配准精度与速度0.9568.9110.9288.9110.9448.2350.9407.9810.9317.8500.8737.3390.1511.00.1310.510.09.59.08.500.20.4 0.60.8(b)o与RMSEhttp:/0.090.071.000.2 0.4 0.6 0.81.0(c)与OR522数与主观分数相关性最高，RMSE和OR最小，客观分数与主观分数之间误差最小，客观指标最准确，模型性能最好.所提的IRQA模型与其他质量评价方法在CUHK数据库上的性能对比结果如表2 所示，其中最佳性能以粗体突出显示，除无参考图像质量评价方法之外的其他指标的结果均引用自其原始论文.所提出IRQA模型得到的客观分数与MOS之间的PLCC和SROCC最高，即所得到的客观分数与MOS之间的相关性最好，在RMSE和OR上相对较小，实现了具有竞争力的性能.从实验结果可以得出如下结论：首先，无参考图像质量评价方法表现不佳，可能的原因是图像重定向过程没有改变图像本身的性质；其次，由于图像大小差异和数据库大小限制，基于图像距离和基于学习的IRQA方法在性能上不如基于图像配准的方法；最后，与最先进的IRQA模型如LGGD+15相比，所提出的指标CISC可以很好地预测重定向图像的质量.分类无参考图像质量评价基于图像距离的IRQA基于学习的IRQA基于图像配准的IRQA注：表中加黑数值表示最佳性能值，下同.此外，进行了消融实验，其结果如表3所示.单独使用CI指标或SC指标时，SC指标评价效果更好，而CI的作用并不明显，即结构一致性比内容完整性更能影响重定向图像的质量.但将两者组合后得到的CISC指标获得了最佳性能，这验证了结合内容完整性和结构一致性来预测重定向图像质量的合理性2.3二维评估图为了更直观地观察不同重定向算法的行为，图4中绘制了不同重定向图像的结构一致性和内容完整性的二维评估图，对两幅不同的参考图像使用两种重定位算法得到的重定位图像，并画出了其对应的二维评价图.对于相同的原始图像，能够从重定向图像和二维评估图中观察到接缝裁剪2 1保留了更多的背景区域，存在更多的图像结构扭曲，而移位映射编辑2 2 保留了更多图像的显著区域.此外，对于相同的重定向算法，从不同的原始图像生成的重定向图像的性能具有一定的差异.二维评价图有利于观察不同图像对同一种重定位算法的适应性，深人研究图像本身的属性对重定位算法的影响.福州大学学报（自然科学版）表2 CUHK数据库上的性能对比Tab.2Performance comparison on CUHK database方法hyperlQA L19UNIQUE20BDS3SIFT flow4EH2GIST5Ma6Deva20207PCDIL81BIMSIHDPM9ARS10CDM 13VAF+ARS 14PYMO 12LGGD+15CISChttp:/第51卷PLCCSROCC0.0410.0190.0780.0950.2900.2890.3140.2900.3420.3290.6000.5610.5370.4930.7010.6730.5400.5410.6500.6280.6710.6900.6840.6690.6840.6590.7160.6910.7160.7090.7380.7240.7520.751表3CUHK数据库上的特征分析Tab.3Feature analysis on CUHK database方法PLCCCI0.559SC0.732CISC0.752RMSE13.49013.45912.92212.81712.68610.801一8.36411.36110.048一9.8559.8509.2899.6399.4778.907SROCC0.5580.7340.751OR0.2400.2400.2160.1460.2050.1230.1930.0570.1520.0140.0700.0410.0590.0590.070RMSE11.1989.1708.907OR0.1460.0760.070第4期因此，二维评估图在重定向算法的比较、选择和优化以及图像的选择和属性研究中发挥着重要作用.陈楠，等：考虑结构一致性和内容完整性的重定向图像质量评价523(a)参考图像1(b)接缝裁剪1(c)移位映射编辑1(d)参考图像21.00.90.80.70.60.6图4重定向图像与二维评估图Fig.4Retargeting images and two-dimensional evaluation graph3结语本研究提出一种基于图像配准的像素级宽高比偏差指标，并采用二维评估方法来观察不同重定向算法在内容完整性和结构一致性方面的表现.二维评估图提供了一种更直观地了解不同重定向算法的行为的方法.此外，提出一个基于图像重定向过程的IRQA模型CISC，其结合了重定向图像的内容完整性和结构一致性。像素级结构一致性计算重定向图像局部结构的几何失真，并考虑注意力转移的影响，较好地解释了图像重定向过程中像素的重映射对重定向图像结构的影响；而内容完整性主要计算图像显著区域的完整性，较好解释了图像重定向过程中像素移除对重定向图像内容的影响.实验结果表明，所提出的CISC算法与主观评分具有良好的相关性.然而，内容完整性并未考虑不同图像的显著区域的语义不同时，不同图像显著区域的完整性对图像质量的影响程度可能不同.未来的工作将从图像语义变化角度更充分地探索图像重定向过程对图像质量的影响参考文献：1】于明，张吉俊，郭迎春，等.基于多层级注意力融合的图像美学重定向J.激光与光电子学进展，2 0 2 1，58（2 4）：162-171.2 MANJUNATH B S,OHM J R,VASUDEVAN V V,et al.Color and texture descriptorsJ.IEEE Transactions on Circuits andSystems for Video Technology,2001,11(6):703-715.3 SIMAKOV D,CASPI Y,SHECHTMAN E,et al.Summarizing visual data using bidirectional similarity C/IEEE Conferenceon Computer Vision and Pattern Recognition.Anchorage:IEEE,2008:1-8.4 LIU C,YUEN J,TORRALBA A.Sift flow:dense correspondence across scenes and its applicationsJ.IEEE Transactions onPattern Analysis and Machine Intelligence,2011,33(5):978-994.(e)接缝裁剪2(b)(c)(e)(f)0.70.8内容完整性CI(g)二维评估图http:/(f)移位映射编辑20.91.05245 MA L,XU L,ZENG H Q,et al.How does the shape descriptor measure the perceptual quality of the retargeting image?C/IEEE International Conference on Multimedia and Expo Workshops.Chengdu:IEEE,2014:1-6.6 MA L,XU L,ZHANG Y,et al.No-reference retargeted image quality assessment based on pairwise rank learningJ.IEEETransactions on Multimedia,2016,18(11):2228-2237.7 JIANG B,YANG J,MENG Q,et al.A deep evaluator for image retargeting quality by geometrical and contextual interactionJJ.IEEE Transactions on Cybernetics,2020,50(1):87-99.8 HSU C C,LIN C W,FANG Y,et al.Objective quality assessment for image retargeting based on perceptual geometric distortionand information lossJ.IEEE Journal of Selected Topics in Signal Processing,2014,8(3):377-389.9 LIN J X,ZHU L L,CHEN Z B,et al.Objective quality assessment for image retargeting based on hybrid distortion pooledmodel C/Seventh International Workshop on Quality of Multimedia Experience.Pilos:IEEE,2015:1-6.1O ZHANG Y,FANG Y,LIN W,et al.Backward registration-based aspect ratio similarity for image retargeting quality assessmentJJ.IEEE Transactions on Image Processing,2016,25(9):4286-4297.11J OLIVEIRA S A F,ALVES S S A,GOMES J P P,et al.A bi-directional evaluation-based approach for image retargetingquality assessment JJ.Computer Vision and Image Understanding,2018,168:172-181.12 KARIMI M,SAMAVI S,KARIMI N,et al.Pyramidal modeling of geometric distortions for retargeted image quality evaluationJJ.Multimedia Tools and Applications,2018,77(11):13799-13820.13 GUO Y,HAO Y,YU M.Image retargeting quality assessment based on content deformation measurementJ.Signal Process-ing:Image Communication,2018,67:171-181.14 ZHANG S,NIU Y Z,LIN J W,et al.Visual ttention fusion framework for image retargeting quality asssmentJJ.IOPConference Series:Earth and Environmental Science,2019,234(1):012064.15J PENG Z,JIANG Q,SHAO F,et al.LGGD+:image retargeting quality assessment by measuring local and global geometricdistortionsJ.IEEE Transactions on Circuits and Systems for Video Technology,2022,32(6):3422-3437.16 QIN X B,ZHANG Z C,HUANG C Y,et al.U?-Net:going deeper with nested U-structure for salient object detectionJJ.Pattern Recognition,2020,106:107404.17 GUO P F,ZHAO X,ZENG D L,et al.A metric for quantifying image quality induced saliency variation C/IEEE Interna-tional Conference on Image Processing.Anchorage:IEEE,2021:1459-1463.18 MA L,LIN W S,DENG C W,et al.Image retargeting quality assessment:a study of subjective scores and objective metricsJJ.IEEE Journal of Selected Topics Signal Processing,2012,6(6):626-639.19 SU S L,YAN Q S,ZHU Y,et al.Blindly assess image quality in the wild guided by a self-adaptive hyper networkC/IEEE/CVF Conference on Computer Vision and Pattern Recognition.Seattle:IEEE,2020:3664-3673.2O ZHANG W X,MA K D,ZHAI G T,et al.Uncertainty-aware blind image quality assessment in the laboratory and wildJ.IEEE Transactions on Image Processing,2021,30:3474-3486.21 SHAMIR A,AVIDAN S.Seam-carving for media retargetingJ.Communications of the ACM,2009,52(1):77-85.22 PRITCH Y,KAV-VENAKI E,PELEG S.Shit-map image editingC/IEEE 12th International Conference on ComputerVision.Kyoto:IEEE,2009:151-158.福州大学学报（自然科学版）第51卷（责任编辑：林晓）http:/