朱惠娟,宗 平,丛玉华
南京理工大学紫金学院 计算机学院,南京210046
随着数字成像和通信技术的迅速普及,图像质量评估(IQA)已成为许多应用程序中的重要问题,例如图像获取、传输、压缩、恢复和增强,且在通信、处理和显示系统的评估、控制、设计和优化中具有广泛的应用。由于主观IQA方法无法在许多情况下(例如实时和自动化系统)简便,常规地使用,因此有必要设计客观IQA算法以自动、有效地测量图像质量。同时,客观的预计评估结果应在统计上与人类观察者保持一致。“一致”是指算法的质量评估应与人类的判断密切相关,无论图像的失真类型,图像的内容或失真的强度如何。随着计算机技术的进步,未来客观的图形质量评估技术会与主观评估越来越相近,评估的手段也会由全参考逐渐转换为无参考的形式。
多年来,许多研究人员在设计图像质量评估算法方面做出了重大研究[1-5],也在该领域取得了一定的进展。在图像质量评估算法领域,为了使算法的性能与人类对图像质量的感知相关联,为此建立了图像和主观评分数据库,包括VQEG数据集[6]和LIVE数据库[7]。Sheikh[8]测试了各种领先的IQA算法,并使用统计标准例如Spearman 秩相关系数(SROCC)、均方根误差(RMSE)、线性相关系数(LCC)来表示算法与主观评测结果的相关程度。其中,典型的IQA算法可以直接量化失真图像与理想图像之间的差异,其中结构相似性指数(SSIM)[9]和视觉信息保真度指数(VIF)[10]以及特征相似性指数(FSIM)[1]与人类的感知具有非常高的相关性。……