全参考图像质量评价综述_褚江
数字图像质量评价综述
程 度 。在 对数 字 图像 进行压 缩 、 传输 、 显示等 操作 时 ，
由于处理过程 、 成 像 系 统 或 传 输 介 质 等 的影 响 ， 会 出现
张偌雅 ， 李珍珍
（ 河南大学计算 机与信息工程学院 ， 开封 ４ ７ ５ ０ ０ ０ ） 摘要：
数 字图像 的质量评价是当今 图像领域 的热 点问题 ， 对质量评 价的常用方法进行介绍 ， 其 中全参考评价方法最成熟 ， 应 用 也最广 泛 ， 无参考评价方法有很好 的研究前景 。为了得 到与人 眼视觉系统 Ｈ ＶＳ一致性更高的评价结果 ， 对各种方 法 都在进 行不断的完善与改进 。概述 质量评价方法的相关性能指标 ， 最后就评价方法 的进一步发展提 出展望 。 关键词 ：
观 因素的影响。
１ 主观图像质量评价方法
主观评价 方法是用来评 价 图像质量 的最直观 的方 法， 分为绝 对评 价和相 对评价 两种 。绝对 评价 没有参 考 图像 ， 根 据 已经规定 好 的评 价准 则或个 人经验 对 图 像做 出评价 。相对 评价 主要 是在有 标准 图像 时， 对 图 像按质量的好坏进行 比较 ， 给 出最终 的评分值 。
量评价 对于 评价算 法 的分析 比较 、 系统 的性能评 估等
方 面 都 有 着 十 分 重 要 的作 用 。 传 统 方 法 主 要 有 主 观 评
价 和客观评价 两种 ， 近年来 ， 随着 图像处理领 域的不断 发展 ， 对于 图像质 量评 价 的研 究也 受到越 来越 多 的关 注， 评价的指标和方法得到 了更好 的发展和完善 。
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。
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 ）
图像质量质量评价
图像质量评价综述摘要：图像质量评价是图像处理领域的研究热点。
本文综合论述了图像质量的主观和客观评价方法，就各自具体的实现方法做了简要的介绍，并分析了各自适用性和存在的问题。
最后进而根据发展趋势和应用需求，对图像质量评价方法的进一步发展提出了若干技术与研究方向的展望。
[关键字]图像质量评价人类视觉系统结构相似度全参考评价部分参考评价无参考评价[abstract]Image quality assessment (IQA) is a hot research area in the field of image processing. In this paper, we discuss the subjective and objective assessment methods of image quality, respectively give a brief introduction of their specific implementation method, and analyses the respective applicability and problems. Finally, the further development of the technology and research directions of the future are proposed based on the trends and application requirements.[keywords]Image Quality Assessment(IQA) Human Visual System(HVS) Structural similarity Full Reference(FR) Reduced Reference(RR) No Reference(NR)，一.引言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。
【国家自然科学基金】_图像质量客观评价_基金支持热词逐年推荐_【万方软件创新助手】_20140730
科研热词 图像质量评价 人类视觉系统 人眼视觉系统 结构相似度 图像质量 图像增强 静态图像 隶属度函数 量子信号处理 运动信息 边缘宽度 边界距离 距离度量 质量评价 评估方法 计算机应用 视频质量评价 视觉感知 视觉感受 结构相似度(ssim) 结构失真 立体图像质量评价 特定密度 灰色关联度 滤波反投影 注意转移 正则化方向失真 无参考评价 无参考 感兴趣区域 快速 异源 峰值信噪比 客观评价 图像重建 图像融合 图像处理 图像品质 图像压缩 噪声水平 双边滤波 加权熵 全参考评价 二值图像 x射线成像系统 x射线 retinex技术 fnn curvelet变换
推荐指数 6 3 3 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2011年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
推荐指数 4 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2009年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45
2012年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
全参考图像质量评价综述_褚江
计 算 机 应 用 研 究 Application Ｒesearch of Computers
Vol. 31 No. 1 Jan. 2014
全参考图像质量评价综述
褚
摘
*
江，陈
强，杨曦晨
（ 南京理工大学 计算机科学与工程学院，南京 210094 ） 要： 图像质量评价是图像处理领域内一项很有意义的研究课题。 客观图像质量评价方法可分为全参考评
SSIM（ x， y） = （ 2 μ x μ y + C1 ） （ 2 σ x σ y + C2 ） 2 2 2 （ μ2 x + μ y + C1 ） （ σ x + σ y + C2 ） （ 8）
0
引言
数字图像在获取、 处理、 压缩、 存储和传输过程中会经受各
评价方法。 最简单的全参考评价方法为均方误差 （ MSE ） 和峰值信噪
［3 ］ 比（ PSNＲ） ， 它们直接对参考图像和失真图像的像素灰度值
种类型的退化， 这些退化会影响图像的视觉效果 。 一般来说， 图像质量评价方法分为主观评价方法和客观评价方法
［1 ］
计算简单、 意义明确， 但是不能很好地与人的主观感 进行计算， 受保持一致
［4 ， 5 ］
。图
。随着对人类视觉系统 （ HVS ） 认识的深入， 人
［6 ， 7 ］
像质量评价的目的就是评价图像质量的好坏 ， 最好也最直接的 这就是主观评价方法， 但是这种 方法就是直接让观察者观看 ， 因此， 图像质量评价的主要目标 方法不能应用于实时系统中 ， 就是设计出客观的图像质量评价方法 ， 使之与人的视觉感知保 持一致。 根据能够得到的参考图像 （ 原始图像 ） 信息的多少， 客观 图像质量评价方法通常可以分为三类 ， 分别为全参考图像质量 评价、 半参考图像质量评价和无参考图像质量评价
图像质量评价
第一章绪论1.1 引言早期的图像处理是随由于通讯方面的要求而发展起来的，随着图像处理技术的发展，数字图像处理技术与理论已经成为计算机应用的一个重要领域，广泛应用于众多的科学与工程应用，如遥感、医学、气象、通信等。
然而随着图像处理技术的迅速发展，如何正确有效地评价一幅图像的质量好坏变得越发重要起来。
近年来，图像质量评价已经成为了图像信息工程领域内一项重要的研究课题，引起了学者的高度重视。
图像质量评价方法中客观评价方法又可以分为三类：全参考质量评价方法、部分参考质量评价方法和无参考质量评价方法。
全参考质量评价方法需要原始图像的完整信息作为评价的参考：部分参考质量评价方法需要原始图像的部分特征或者统计信息作为评价参考：无参考质量评价方法则完全依赖于待评测图像本身的信息来进行质量评价，而无须原始图像的任何信息。
在很多情况下，如在网络传输中，往往无法获得发送端的原始图像信息，因此研究无参考的客观质量评价方法是很有意义的。
1.2 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。
多少年来，人们希望能够找出图像逼真度和可懂度的定量测量方法，作为评价图像和设计图像系统的依据，但目前人们对人类视觉特性仍没有充分理解，特别是对人眼视觉的心理特性还难以找出定量的描述方法，因此图像质量评价还有待深入研究。
1.2.1 主观评价方法国际上已有成熟的主观评价技术和国际标准，例如 ITU-T Rec. P.910规定了多媒体应用的主观评价方法]1[；ITU-R BT.500-11规定了电视图像的主观评价方法]2[，就视频质量主观评价过程中的测试序列、人员、距离以及环境做了详细规定。
主观质量评分法]3[(MOS：Mean Opinion Score)是图像质量最具代表性的主观评价方法，它通过对观察者的评分归一化来判断图像质量。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
把相
相位一致性的定义可以参 位一致性（ PC） 用于图像质量评价， 26 ］ 。相位一致性信息的最大特点就是它不依赖于图 考文献［ 像的亮度和对比度， 能够较好地表征图像的结构信息 ， 但实验 结果并不太好， 因为亮度和对比度对图像的质量的影响有时并 不能忽略。Zhang 等人
［27 ］
s（ x， y） =
价方法、 半参考评价方法和无参考评价方法， 目前全参考评价方法较为成熟， 而半参考和无参考评价方法则处于 初级阶段， 远远达不到参考评价方法所能达到的效果。对全参考评价方法进行综述。首先简要地介绍了各种类 SSIM、 MSSIM、 IFC、 VIF、 FSIM 等几种典型的全参考图像质量评价方法， 型的评价方法， 其次详细地介绍了 PSNＲ、 然后在 LIVE 和 TID2008 数据库上进行实验， 对这几种全参考方法进行对比、 分析， 最后探讨图像质量评价研究 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： TP391 文献标志码： A 文章编号： 1001-3695 （ 2014 ） 01-0013-10 doi： 10． 3969 / j． issn． 10013695． 2014． 01． 003
第 31 卷第 1 期 2014 年 1 月
计 算 机 应 用 研 究 Application Ｒesearch of Computers
Vol. 31 No. 1 Jan. 2014
全参考图像质量评价综述
褚
摘
*
江，陈
强，杨曦晨
（ 南京理工大学 计算机科学与工程学院，南京 210094 ） 要： 图像质量评价是图像处理领域内一项很有意义的研究课题。 客观图像质量评价方法可分为全参考评
［15 ］
对比度和结构的比较改为对参考图像和失真图像的梯度图像 进行计算。其他的对 SSIM 的改进有： 朱里等人 容的图像质量评价测度 ； 黄小乔等人 人
［18 ］ ［17 ］
提出的基于
［16 ］ 结构相似性的图像质量评价方法 ； 王涛等人 提出的基于内
提出的基于色差的均
［19 ］
方误 差 与 峰 值 信 噪 比 评 价 彩 色 图 像 质 量 评 价 方 法 ； 任 雪 等 提出的基于局部特征的图像质量评价方法 ； Wan 等人
利用相位一致性信息的特性 ， 提出了
选取了相位一致性信息和梯度信息 特征相似性方法（ FSIM ） ， 作为它的两个特征， 得到了较好的结果。 在实际应用中， 往往不能获得完美的原始图像 ， 如在多媒 体通信中， 接收端很难获得原始图像的全部信息 ， 也就大大限 制了全参考图像质量评价方法的应用 。 因此学者们提出了半 参考图像质量评价模型 ， 即利用原始图像的部分特征信息来评 价失真图像质量的一种方法 。 典型的半参考图像质量评价方
［28 ］ 法有基于多尺度的方法 ， 如 Gao 等人 提出的基于多尺度几
y 的均值， 其中： μ x 、 μ y 分别为图像 x、 反映了其亮度信息； σ x 和 y 的方差， y的 σ y 分别为图像 x、 反映了其对比度信息； σ xy 为 x、 C2 、 C3 为接近于零的 反映了结构信息的相似度 ； C1 、 相关系数， 正常数， 防止分母为零时导致结果异常 。综合这三种信息得到 x 和 y 的结构相似性为
［14 ］
n） 为失真图像在（ m， n ） 处的灰度值； L 为峰值信号， 对于 8 位 L = 2 8 － 1 = 255 。 的灰度图像来说， MSE 和 PSNＲ 的优点是计算简单， 缺点是它们单纯地计算 并没有考虑像素之间的结构关系 。它 图像之间灰度值的差异 ， 们将图像的所有像素点对人眼提供的信息都等同对待 ， 而事实 上人眼在观察图像的时候是有感兴趣区域的 ， 它们的计算结果 不能与图像的视觉效果保持一致 。 1. 2 基于结构相似度的方法 SSIM Wang 等人认为结构信息反映了场景中的结构特征 ， 同时 亮度和对比度对图像的质量以及人类观察图像时提取感兴趣 对比度和结构相似 的区域起到很大的作用 。那么它们的亮度、 度分别定义如下： y 分别为参考图像和失真图像 ， 假设 x、 则
作者简介： 褚江（ 1988-） ， 男， 江苏连云港人 ， 硕士研究生， 主要研究方向为图像质量评价（ chujiang131@ 163． com） ； 陈强（ 1979-） ， 男， 副教授， 博 士， 主要研究方向为图像处理、 分析与识别．
· 14·
计 算 机 应 用 研 究
第 31 卷
区域分别计算并赋予不同的权重 ， 得到最终的评测结果； Chen 等人
［20 ］ ［21 ］
Fernandez 等人 提出的基于感兴趣区域的方法 ； Aja基于局部对 比 度 的 质 量 评 价 方 法 ； 孔 繁 锵 人
［22 ］
提出的
1. 2. 1
提出的一种把
HVS 和相似性度量结合起来的图像质量评价测度 ； 叶盛楠等 提出的基于结构信息提取的图像评价方法 。 Sheikh 等人提出了自然场景分析 （ NSS ） 的方法 IFC［23］ 和 VIF［24］ ， 它们通过评测参考图像和失真图像的共同信息的多少 得到了较好的结果。Liu 等人 来评价失真图像的质量 ，
［13 ］
考图像质量评价方法可以得到参考图像的所有信息 ， 通过把失 真图像和参考图像进行比较来评价图像质量 ， 全参考评价方法 是目前为止客观图像评价方法中最可靠的方法 。 无参考图像 质量评价方法不能得到参考图像的任何信息 ， 只对失真图像进 行评价。半参考图像质量评价方法介于两者之间 ， 只能获得参 考图像的部分信息用于评价图像质量 。 本文主要讨论全参考
0
引言
数字图像在获取、 处理、 压缩、 存储和传输过程中会经受各
评价方法。 最简单的全参考评价方法为均方误差 （ MSE ） 和峰值信噪
［3 ］ 比（ PSNＲ） ， 它们直接对参考图像和失真图像的像素灰度值
种类型的退化， 这些退化会影响图像的视觉效果 。 一般来说， 图像质量评价方法分为主观评价方法和客观评价方法
Ｒeview on full reference image quality assessment algorithms
CHU Jiang，CHEN Qiang，YANG Xichen
（ School of Computer Science ＆ Engineering，Nanjing University of Science ＆ Technology，Nanjing 210094 ，China）
收稿日期： 2013-05-27 ； 修回日期： 2013-07-08 科研专项基金资助项目 （ 2011ZDJH26 ）
SSIM， 提出了 3把 SSIM 中对整
幅图像的亮度、 对比度和结构的比较， 改为在边缘、 纹理和平滑
基金项目： 国家自然科学基金青年学者基金资助项目 （ 60805003 ） ； 南京理工大学自主
［2 ］
们开始利用人类视觉系统的某些特性进行评价
， 出现了基
其中有代表性的两个模型是 daly visible dif于 HVS 的模型， ferences predictor 和 Sarnoff visual discrimination model［8］ ， 它们 主要是通过生理和心理学实验获得人类视觉系统的前端特征 从而模拟人的视觉来对图像质量进行客观评 构建视觉模型， 典型的方法有 NQM 价，
Abstract： Image quality assessment is of fundamental importance to numerous image processing applications． Objective image reference and noreference． Currently，full referquality metrics can be classified into three categories： full reference，semience metrics can achieve satisfied performance，while semireference and noreference metrics are in their preliminary stage． This paper gave an overview of the full reference image quality assessment． Firstly，it introduced these methods briefly． Secondly，it described several important full reference image quality assessment algorithms in detail，such as PSNＲ，SSIM， MSSIM，IFC，VIF and FSIM． Then it compared the performance of these methods in the LIVE database and TID2008 database． Finally，this paper summarized the trends of future research on image quality assessment． Key words： full reference image quality assessment； structure similarity； natural scene statistics； feature similarity
［9 ］
和 VSNＲ
［10 ］
， 但这些方法效果并没有
得到满 意 的 结 果。 Wang 等 人
［2 ， 11 ］
提出了结构相似性理论
。 全参
（ SSIM） ， 对参考图像的亮度、 对比度和结构信息进行比较 ， 得 到了较好的结果。他假设 HVS 擅长提取场景中的结构信息 ， 通过评测失真图像的结构信息的退化程度对图像进行评价 ， 得 如 到了广泛使用。 许多学者在 SSIM 的基础 上 进 行 了 改 进， Wang 等人［12］ 提出了多尺度结构相似性 （ MSSIM ） ， 得到了比单 一尺度更好的结果； Li 等人