图像质量评价综述
3) 基于数字水印方法是由基于小波数 字水印的图像质量评价方法。
5.无参考评价方法
无参考评价方法不需要原始图像的任 何信息，直接对失真图像进行质量评 价。无参考评价方法难点在于：图像 特征难以定义和提取，人眼感知难以 模型化表示。其优点是不需要传输原 始图像，就能对失真图像进行质量评 价。极大地减少了信息传输量。无参 考评价方法一般都是基于图像统计特 性，本质上更侧重于反映用户群的主 观质量偏好。
基于小波的图象质量评价方法
该方法通常首先采用小波多分辨分析 和 Mallat 快速算法，将原始图像分解 成近似图像和细节图像，它们分别代 表了图像的不同结构。然后通过在各 层的特征域上进行有针对性的融合。 由于这样比较容易提取原始图像的结 构信息和细节信息，所以融合效果较 好。此外，由于小波变换具有完善重 建能力，故保证了信号在分解重建过 程中没有信息损失和信息冗余产生。
图像质量评价综述
1.什么是图像质量评价
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。
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。
3.1基于像素误差统计的算法
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 ：
3.2基于结构相似度的算法ຫໍສະໝຸດ 6.几种新的图像质量评价方法
基于视觉感知的度量方法 以Hosaka分块法为例，Hosaka
分块法主要用于在有损图象压缩 时,对恢复图象和原图象进行比较, 以判别压缩算法使图象退化的程 度。该方法先将标准图象分块,在 依据分块的情况进行比较和评价。
基于视觉兴趣区域的图象质量评价方 法
该方法认为引起视觉兴趣的别为:对比 度、尺寸、形状、位置和前/背景等五 个要素。它首先对图象进行分块以一 致的灰度特性为标准进行分块, 然后 对每个块进行评估感兴趣度, 则形成 兼顾感知和感兴趣区域的两种特性的 质量评价方法。
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。
1) 基于原始图像特征方法利用 Contourlet 分解实现对图像内视觉敏 感系数的提取, 通过统计比较失真图 像与原始图像视觉敏感系数的关系, 得到对失真图像的质量评价测度。该 方法与主观评价方法有很好的一致性。 此类方法针对不同失真，选取特征是 关键。
基于小波的图象质量评价方法
图像质量评价方法展望
（1）图像主客观评价相关性分析； （2）基于数学理论的应用评价研究，集中在PDE、
MGA、模糊理论、SVM、NN 等方面； （3）图像评价模型的研究，重点在 HVS 特性、视
觉心理模型、彩色图像模型； （4）单指标往往只能较好地反映模型某些方面的性
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
2.图像质量评价的应用
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 主观评价 客观评价
全参考型(FR) 部分参考型(RR)
无参考型(NR)
3.全参考型方法
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。
能,分层次、多指标组合将是质量评价建模的一个方 向； （5）矢量图像的质量评价研究； （6）面向机器视觉图像质量评价自动化技术研究。 （7）评价3D 图像质量。
3.3基于人类视觉系统以及与其 他算法结合
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
4.部分参考图像评价方法
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。
彩色印刷图像质量检测技术综述
层 厚 度 和浓 度 成 正 比 ，所 以 密度 值 反 映 了 墨层 的厚
度 。 在 印 品质 量 控制 过 程 中 ，用 密 度计 测 量 ，通 过 密度 值 间接反 映墨层厚 度 。
控 制 在允 许 的范 围之 内 ，从 而控 制 印 刷 品 的 阶调再 现 性 和 色彩 再 现 性 ；求 取 印 刷 品 （ 或测 控 条 ）上 的
２ ）测控 条 与仪器 设 备相 配合 的方法
目前 各 国用 于质 量 控 制 的测 试 条 种 类 较 多 ，如
油 墨 叠 印率 ，用 于 过程 控 制 ，从 而 监 视 印 刷生 产 过
的密 度 ，其 密 度 的差 值 即 为 重影 、变形 ，将 其 控 制
在 允许 的范 围之 内 ，从 而 控 制 印刷 品 的 清 晰度 ；确
由若 干 区 、段测试 单 元 （ ）和 少量 的信号 块组 成 ， 块
定 各 印 刷色 墨 的 最 佳实 地 密 度 ，将 其 控 制 在允 许 的
次 产 品 印刷 质 量 的 控制 、测 定 和评 价 。 对 于控 制 条
的 目测 发展 到仪 器测 量 ，再 到今 天 的在线 检 测技 术 ， 每 一 步 发展 都 简 化 了操 作 工 序 ，减 少 了 不 必要 的浪
费 ，提 升 了印 刷 质量 。下 面 概要 介 绍 一 下 彩 色 印刷 图像 的各种 检测技 术 。
程 的 变化 ；求 取 印刷 品上测 量 控 制块 不 同方 向线 条
美 国的 Ｇ Ｔ Ａ Ｆ系 统 ，瑞 士 布 鲁 纳 尔 系 统 ，联 邦 德 国 弗 格 拉 系统 ，以 及格 灵 达 系 统等 。我 国一 般 采 用美
数字电视图像质量评价方法综述
２ ０ １ ３ 年３ 月 月刊 总第２ ５ １ 期
为 了满 足条 件 （ ３） 和 （ ５） 。应 该 设 置 室
内照 明 。
若 ＨＤＴ Ｖ 达 不 到
条件 （ ８）规 定 值 之 前 ， 应满足 高 ≥ ２ ８ ｏ ，宽
性 能 的优 劣 及 质 量 的 高 低 ，最 终 应 以 要 测 试 方 法 是 主 观 评 价 。主 观 评 价 是 观 众 对 电 视 图 像 和 伴 音 的 质 量 评 价 为 直 接 利 用 观 看 者 对 被 测 系 统 图像 质 量
２ ． １ 信 号源
评价系统信号源 一方面直接提供
字电视基本图像质量评价表1数字电视图像质量主观评价观看条件采用双刺激连续质量标度项目sdtv参数值皿t1参数值1观看距离46倍图像高度3倍图像高度不仅需要对被测系统的输2显示屏幕的峰值亮度70cdm2150250cdm23束流截止时屏幕亮度与峰值亮度之比002同左出图像进行现实评分同4暗室中黑电平亮度与峰值亮度之比约o01同左时也要对被测系统的输入5显示器背景亮度与峰值亮度之比约015同左图像进行显示评分其中6室内环境光照明宜低同左输入图像作为评价的基准7背景光和照明光光源的色温d黼同左8背景光部分对观看员的张角高43
（ 如彩条信号 、黑场信号 、多波群信号
主 观 评 价 系 统 方 框 图 如 图 １所 价 的 基 准 图像 信 号 。 对 于 所 评 价 的 电
等） 送 入 被 测 电 视 制 作 播 出系 统 ，然 示 。 主 观 评 价 结 果 除 了 直 接 与被 测 系 视 标 准 信 号 源 设 备 ，包 括 评 价 用 显 示 后 通过 技 术指 标 （ 如幅 频 特性 、信 噪 比 、 统 的 性 能 有 关 以 外 ， 同 时 还 与 评 价 器 等 都 应 该 采 用 高 质 量 设 备 ， 因为 基
自然图像质量评价方法综述
自然图像质量评价方法综述随着数字图像技术的不断发展和应用，自然图像的质量评价方法也逐渐成为了研究的热点。
自然图像质量评价旨在通过一系列的算法和方法对图像的质量进行客观评价，以便更好地实现图像的处理、传输和显示。
本文就自然图像质量评价方法进行综述，包括基于人感知的方法、基于机器学习的方法、基于深度学习的方法等，希望能够对该领域的研究和应用有所帮助。
基于人感知的自然图像质量评价方法是一种常用的评价方法，其主要思想是通过模拟人的视觉感知过程来评价图像的质量。
这种方法通常包括从感知上显著的特征入手，比如对比度、色彩鲜艳度、锐度等，然后通过一系列的算法和模型来量化这些特征。
在这一方法中，常用的评价指标包括均方误差（MSE）、结构相似性（SSIM）、感知质量评价（PQI）等。
这些指标可以有效地从人的视觉感知角度来评价图像的质量，但它们的缺点也很明显，即不能全面考虑人的主观感受。
二、基于机器学习的自然图像质量评价方法随着机器学习技术的不断发展，基于机器学习的自然图像质量评价方法也逐渐成为了研究的热点。
这种方法的主要思想是通过训练一个回归模型来学习图像的质量评价标准，然后使用这个模型对新的图像进行评价。
在这一方法中，通常使用的机器学习算法包括支持向量机（SVM）、随机森林（Random Forest）、神经网络等。
通过训练这些算法的模型，并通过大量的图像数据来训练和测试，可以得到一个相对客观的图像质量评价标准。
这种方法也存在着一些问题，比如对训练数据的依赖性较强，以及对特征的选取和提取需求较高。
近年来，随着深度学习技术的迅速发展，基于深度学习的自然图像质量评价方法也逐渐受到了关注。
这种方法的主要思想是通过构建一个深度卷积神经网络来学习图像的质量特征，然后使用这个网络来对新的图像进行质量评价。
相比于传统的机器学习方法，深度学习方法可以更好地学习到图像的高级特征，从而得到更为准确的评价结果。
目前，基于深度学习的自然图像质量评价方法已经取得了一些令人瞩目的成果，比如使用卷积神经网络（CNN）进行图像质量评价的方法。
自然图像质量评价方法综述
自然图像质量评价方法综述【摘要】自然图像质量评价方法是图像处理领域的重要研究课题。
本文将对自然图像质量评价方法进行综述，主要包括客观评价指标、人类主观评价、无参考图像质量评价方法、基于参考图像的图像质量评价方法以及深度学习在图像质量评价中的应用。
通过对这些方法的综合评估与比较，可以有效地提高图像处理的效率和质量。
在探讨了自然图像质量评价方法综述的重要性，提出了未来研究的方向，并对整个内容进行了总结。
本文旨在为图像处理领域的研究者提供一份全面的参考，促进该领域的发展与进步。
【关键词】自然图像，质量评价，客观评价指标，人类主观评价，无参考图像质量评价，基于参考图像的评价，深度学习，应用，重要性，未来研究方向，总结。
1. 引言1.1 自然图像质量评价方法综述自然图像质量评价方法综述是图像处理领域的一个重要研究方向，它旨在通过一系列客观指标和主观评价方法，对自然图像的质量进行准确评估。
在数字图像处理和计算机视觉领域，图像质量评价是一个关键问题，因为图像质量的好坏直接影响着后续的图像处理和分析结果。
随着科技的进步和应用领域的不断扩大，对图像质量的要求也越来越高。
研究人员提出了各种不同的评价方法，以满足不同场景下的需求。
客观评价指标是一种常用的评价方法，它通过计算图像的各种特征参数来评估图像的质量。
人类主观评价则是一种更贴近人类感知的评价方式，通过人类参与实验来主观评价图像的质量。
无参考图像质量评价方法和基于参考图像的图像质量评价方法也是当前研究的热点。
前者通过分析图像自身的特征来评价质量，而后者则是通过与参考图像进行比较来评估图像的质量。
近年来，深度学习技术的发展也为图像质量评价带来了新的机遇与挑战，许多研究将深度学习应用于图像质量评价中，取得了显著的进展。
自然图像质量评价方法综述对于提高图像处理技术的准确性和实用性具有重要意义。
未来的研究方向包括进一步完善客观评价指标、提高深度学习方法在图像质量评价中的应用效果，以及探索更多针对不同场景的图像质量评价方法。
评价B超诊断图像质量的指标综述
【 ｙ ｗｏｄ 】 Ｂ Ｕ ｒｓ ｕ ｄＩ ｇ ｕ ｉ ， ｅｏｕｉｎｒｔ ， ｅｅ ｔ ｎｄ ｐｈ Ｂｉｄａｅ Ｋｅ ｒ ｓ － ｈ ａｏ ｎ ， ｍａｅｑ ａ ｔ Ｒ ｓｌｔ ａｉ Ｄ ｔｃｉ ｅｔ， ｌ ｒａ ｌ ｙ ｏ ｏ ｏ ｎ
１ 盲 区
Ｂ超 设备 在 图像 正常显 示允 许 的最 大灵 敏 度 和 亮 度 条 件 下 所 观 测 到 回波 目标 的最 大 深 度 称 为 探
如此， 的 图像 质量 问题 涉及 到人 类 的生命 健康 及生 命 繁衍 。如 何提 高 图像质 量 ， 它 尽可 能获 取真 实丰 富 的人 体 信息 ， 成 为该 领域 内科 学研 究 和技术 攻关 的焦点 。而影 响 图像质 量 的指标 就是 其 中至关 便
重要 的环 节 。本文 对这 些技 术参 数进 行 了分 析 和描述 。
ｃ ｎ ｍ１ Ｉ ａ ｅ ｎ ｗｉ ｌ ｓ ｄ Ｓ ｈｅｐ ｏ ｌｍ ｆｉｓｉ ｇ ｕ ｌｔ ｓａ ｓ ｃａｅ ｏ ｈ ｍｅ ｓｈ ａｔ ｎ ｒｈｉｇＨｏ ｔ ｍｐ ｏ ｅ ｔｅ ｏ ｔ ． ｔｈ ｓｂ ｅ ｄｅｙ ｕ ｅ Ｏ ｔ ｒ ｂ ｅ ｏ ｔ ｍａ ｅｑ ａｉｙ ｉ ｓ ｏ ｉｔｄ ｔ ｕ ｎ’ ｅ ｈａ ｄ ｂｉ ｎ ． ｗ ｏｉ ｒ ｖ ｈ ｌ ｔ ｉ ｇ ａｉ Ｏ ａ ｏ ｃ ｐｔｒ ｈｅ ｌＯ ｔｒ ａ ｈ ｍｅ ｎｏ ｍａｉｎ ｈ ｓ ｂ ｃ ｍｅ ｔｅ ｆｃ ｆｓ ｉｎ ｅ ａ ｄ ｅ ｈｎ ｌｇ ｒ ｓ ａｃ Ａｎ ｈ ｍａ ｅ ｑｕ ｔ Ｓ ｔ ａ ｕ ｅ ｔ ｌ ． ｅ ｌ ｙ ｓ ｌ￣ ｌ ｕ ｎ ｉ ｆｒ ｔ ａ ｅ ｏ ｈ ｏ ｕｓｏ ｃｅ ｃ ｎ ｔｃ ｏｏ ｙ ｅ ｅ ｒｈ１） － ３ ４ 【】 日平． 大型 医用设 备管 理 现状 的分 析 与思考 ４蒋 对
全参考图像质量评价综述
的发展 趋势 。
关键 词 ：全参 考 图像 质量 评价 ； 结构相似 性 ；自然场景 分析 ； 特征 相似性 中图分类 号 ： Ｔ Ｐ ３ ９ １ 文献标 志码 ：Ａ 文章编 号 ：１ ０ ０ １ — ３ ６ ９ ５ （ ２ ０ １ ４ ） ０ ｔ 一 ０ ０ １ ３ ￣ １ ０
Ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ｇ ａ ｖ ｅ ａ ｎ ｏ ｖ ｅ ｒ ｖ ｉ ｅ ｗ ｏ ｆ ｔ ｈ ｅ ｆ ｕ １ １ ｒ ｅ ｆ ｅ ｒ ｅ ｎ ｅ ｅ ｉ ｍａ ｇ ｅ ｑ ｕ ａ ｌ ｉ ｔ ｙ ａ ｓ ｓ ｅ ｓ ｓ ｍｅ ｎ ｔ ．Ｆ ｉ ｒ ｓ ｔ ｌ ｙ ．ｉ ｔ ｉ ｎ ｔ ｒ ｏ ｄ ｕ ｃ ｅ ｄ ｔ ｈ ｅ ｓ ｅ ｍｅ ｔ ｈ ｏ ｄ ｓ ｂ ｉｅ ｒ ｌ ｆ ｙ ．Ｓ ｅ ｃ ． ｏ ｎ ｄ ｌ ｙ，ｉ ｔ ｄ ｅ ｓ ｃ ｒ ｉ ｂ ｅ ｄ ｓ ｅ ｖ ｅ ｒ ａ ｌ ｉ ｍｐ ｏ ｒ ｔ ａ ｎ ｔ ｆ ｕ １ １ ｒ ｅ ｆ ｅ ｒ ｅ ｎ ｃ ｅ ｉ ｍａ ｇ ｅ ｑ ｕ ａ ｌ ｉ ｔ ｙ ａ ｓ ｓ ｅ ｓ ｓ ｍｅ ｎ ｔ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍｓ ｉ ｎ ｄ ｅ ｔ ａ ｉ ｌ ，ｓ ｕ ｃ ｈ ａ ｓ Ｐ Ｓ ＮＲ，Ｓ Ｓ Ｉ Ｍ，
Ｃ ＨＵ Ｊ ｉ ａ ｎ ｇ ， Ｃ ＨＥ Ｎ Ｑ ｉ ａ ｎ ｇ ， Ｙ Ａ Ｎ Ｇ Ｘ ｉ — ｃ ｈ ｅ ｎ
（ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆＣ ｏ ｍ ｐ ｕ ｔ ｅ ｒ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ＆Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ， Ｎ ａ ｎ ｊ ｉ ｎ ｇ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆＳ ｃ ｉ ｅ ｎ ｃ ｅ＆Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ，Ｎ ａ ｎ ｉ ｆ ｎ ｇ ２ １ ０ ０ ９ ４ ，Ｃ ｈ ｉ ｎ ａ ）
评价B超诊断图像质量的指标综述
评价B超诊断图像质量的指标综述This model paper was revised by the Standardization Office on December 10, 2020评价B超诊断图像质量的指标综述[摘要]医学超声诊断仪在临床上用于疾患和计划生育已得到了肯定，并广泛应用。
正因为如此，它的图像质量问题涉及到人类的生命健康及生命繁衍。
如何提高图像质量，尽可能获取真实丰富的人体信息，便成为该领域内科学研究和技术攻关的焦点。
而影响图像质量的指标就是其中至关重要的环节。
本文对这些技术参数进行了分析和描述。
[关键词] B超伪像图像质量分辨率探测深度盲区1 B超B超成像的基本原理就是：向人体发射一组超声波,按一定的方向进行扫描。
根据监测其回声的延迟时间,强弱就可以判断脏器的距离及性质。
经过电子电路和计算机的处理,形成了我们今天的B超图像。
B超的关键部件就是我们所说的超声探头(probe),其内部有一组超声换能器,是由一组具有压电效应的特殊晶体制成。
这种压电晶体具有特殊的性质,就是在晶体特定方向上加上电压,晶体会发生形变,反过来当晶体发生形变时,对应方向上就会产生电压,实现了电信号与超声波的转换。
2.伪像B超成像过程中形成的伪像包括混响伪像，声像图伪像，镜面伪像（mirrorartifacts），旁瓣伪像，切片厚度伪像等。
混响伪像：是指超声垂直照射到平整的界面如胸壁、腹壁上，超声波在探头和界面之间来回反射，所引起的多次反射。
混响的形态呈等距离多条回声，回声强度依深度递减。
声像图伪像：是指超声显示的断层图像与其相应的客观的解剖断面之间存在的差异。
镜面伪像（mirrorartifacts）：遇到深部的界面，即声阻抗差异较大的平整大界面时，在近侧的结构同时在图像的该界面另一侧出现的伪像。
当肋缘下向上扫查右肝和横膈时，声束遇到膈-肺界面而发生全反射和镜面伪像。
膈下出现肝实质回声（实象），膈上也出现对称性的肝实质回声（虚象或伪像）。
自然图像质量评价方法综述
自然图像质量评价方法综述随着数字图像技术的飞速发展，人们对图像素质的要求越来越高。
图像质量评价是一项非常重要的任务，对于图像压缩、图像传输、图像处理等领域都有着重要的应用价值。
自然图像是我们日常生活中的常见场景，其质量的评价对于普通用户来说也具有很高的参考价值。
本文将综述一些现有的自然图像质量评价方法。
一、主观评价方法1. 双重比较方法双重比较法是最早用于图像质量评估的方法，它要求参与者比较两张图像的质量，并选择哪张图像更好。
但是，这个方法并不能被广泛应用，因为它需要精心选择试验对象，并且实验结果受到听力和视力的影响。
单刺激比较法通常用于在一组具有相同的坏点图像中比较瑕疵图像的相对质量。
参与者被要求将所有的图像按照质量排序。
优点是可以通过调整坏点程度对图像进行定量评估。
3. 直接评价方法直接评价法要求参与者评价图像质量，并确定一个0到100的分数。
这个方法的优点是易于实施和分析，但也有一些缺点，比如与主观主义有关，没有考虑到不一致性和效度的问题。
1. 图像信息度量图像信息度量法是一种常见的客观评价方法，它基于信息论概念来计算图像中的信息量。
比如，失真图像的熵值会变大，因为失真会导致图像具有更多的无意义信息。
2. 结构相似性度量结构相似性度量法是一种流行的客观评价方法，它可以用于衡量两幅图像之间的结构相似性。
其本质是一种方差测量方法，通过测量图像块之间的相似程度来计算图像的结构相似性指数。
3. 视网膜显著性度量视网膜显著性方法模拟了视网膜在人眼中的响应，从而提供了直观的图像质量评估方法。
这个方法可以衡量图像中的显著区域，并提供一些关于图像显著性的统计分析。
综上所述，不同的自然图像质量评价方法都具有其独特的优势和适用性。
因此，在进行图像质量评估时，需要根据实际情况选择不同的评价方法。
自然图像质量评价方法综述
自然图像质量评价方法综述自然图像质量评价方法是用来衡量和评价图像质量的技术方法。
随着数字图像技术的发展，图像质量评价在图像处理、图像传输、图像压缩等领域中起着重要的作用。
本文对自然图像质量评价方法进行综述，以帮助读者了解不同的评价方法和其特点。
自然图像的质量评价一般可以分为主观评价和客观评价两类方法。
主观评价是通过人眼观察和主观感受来评价图像的质量，但这种方法需要大量的时间和人力资源，并且易受主观因素影响。
客观评价方法被广泛研究和应用。
客观评价方法根据评价对象和评价标准可以分为全参考方法、无参考方法和准参考方法。
全参考方法是根据原始图像和失真图像之间的差异来评价图像质量，包括PSNR、MSE等指标。
无参考方法是不需要原始图像的信息，只基于失真图像本身来评价图像质量，包括SSIM、VIF等指标。
准参考方法是利用一些局部特征或者图像特征来评价图像质量，包括NIQE、BRISQUE等指标。
PSNR（Peak Signal-to-Noise Ratio）是最常用的全参考方法，用来衡量失真图像和原始图像之间的峰值信噪比。
这个指标可以很好地评价压缩编码算法的图像质量，但是对于其他类型的失真比如模糊、噪声等，其评价效果并不理想。
SSIM（Structural Similarity Index）是评价图像失真的一种无参考方法，它综合考虑了亮度、对比度和结构信息之间的相似性。
SSIM可以很好地适应于各种不同类型的失真，但是它受到图像内容和尺度变化的影响较大。
VIF（Visual Information Fidelity）是一种评价图像质量的无参考指标，它主要关注图像的信息保真度。
VIF考虑了视觉感知的特征，对一些典型失真如噪声、压缩和模糊等有较好的鉴别能力。
BRISQUE（Blind/Referenceless Image Spatial Quality Evaluator）是一种无参考图像质量评价指标，它利用感知特征和统计特征来评价图像质量。
无参考图像质量评价综述
无参考图像质量评价综述作者：林海祥,张炘来源：《电脑知识与技术》2009年第28期(1.南昌大学信息工程学院,江西南昌 330029;2.南昌大学科学技术学院,江西南昌 330029)摘要:图像质量评价是图像处理领域的热门研究课题之一。
图像质量评价研究的目标是设计算法,给出和人的主观视觉感受相符合的评价结果。
在客观图像质量评价的几种方法中,由于无参考图像质量评价方法的灵活性,该方法正受到越来越多的关注。
文章首先概述了图像质量评价的相关知识,并从无参考图像质量度量方法和评价算法等角度对无参考图像质量评价进行分析,最后概括了无参考图像质量评价发展的现状及其发展趋势。
关键词:无参考;主观视觉;图像质量度量;图像质量评价;图像处理中图分类号:TP391文献标识码:A文章编号:1009-3044(2009)28-8043-04A Survey of No Reference Image Quality AssessmentLIN Hai-xiang1, ZHANG Xin2(rmation Engineering College of NanChang University, Nanchang 330029, China;2.Science and Technology College of NanChang University, Nanchang 330029, China)Abstract: Image quality assessment is one of the most popular research issues in the field of image processing. Its objective is to design algorithms which can give the objective evaluation results that in line with the human’s subject perception. With good flexibility, no reference image quality assessment is being given more and more attention. Firstly, the related knowledge about image quality assessment is summarized. Then, the measurement and the assessment of the no reference image quality are analyzed. At last, its status quo and the trends of future research is summarized.Key words: no reference; subject perception; image quality measurement; image quality assessment; image processing图像是人类获取信息的重要途径,其所承载的信息远比其它形式的信息更贴切、更丰富。