文档介绍：图像质量评价综述

图像质量的含义主要包括两个方面:图像的逼真度和图像的可懂度。图像质量直接取决于成像装备的光学性能、图像对比度、仪器噪声等多种因素的影响。通过质量评价可以对影像的获取、处理等各环节提供监控手段。为了对图像处理的各个环节进行合理评估,图像质量评价的研究已经成为图像信息工程的基础技术之一。

监控图像质量,以获取最佳图像;
根据图像质量评价结果,选择合适的算法;
嵌入到图像处理系统中,优化算法和设定参数等。
分类
图像质量评价
客观评价
主观评价
全参考型(FR)
部分参考型(RR)
无参考型(NR)

全参考型方法就是利用原始图像的全部信息,通过计算原始图像与失真图像之间的感知误差,并综合这些误差得到失真图像质量的评价值。
可分为以下几类:基于像素误差统计的算法;基于结构相度的算法;基于人类视觉系统与其他算法结合。

采用的全参考方法均方误差和峰值信噪比, 通过计算对应像素点灰度值之间的误差来衡量图像的质量。
均方误差法MSE的表达式如下:
峰值信噪比pSNR的表达式如下:

先利用聚类分析法根据PSNR 值和 SSIM 输出值对样本图像进行规整聚类,然后对不同类别的图像运用不同的质量评价规则,评价规则由二元回归分析确定。
该类方法在某种程度上绕开了自然图像内容的复杂性及多通道去相关问题,直接评价图像信号的结构相似性。其计算简单,与主观质量评价关联性较强。
基于结构相似度的算法流程

图像的信宿是人,最终接收图像的是具有对光刺激产生感觉的人眼视觉系统HVS,因此合理评价图像质量的方法应充分遵循人眼的视觉特性
HVS模型

部分参考评价方法仅利用原始图像的部分信息来估计失真图像的视觉感知质量。部分参考评价方法的优点是在减小传输数据量的基础上,获得了较好的评价效果。缺点是算法对提取的特征非常敏感。
分为基于原始图像特征方法、基于数字水印方法和基于 Wavelet域统计模型的方法等。