无参考质量评价方法

图像质量评价能有效评估图像采集和处理过程所引起的失真或退化，具有很好的理论价值和应用前景。目前研究较多地全参考（
Full-Reference，FR）和部分参考（Reduced-Reference，RR）评价算法，由于要用到参考图像的先验信息，因此在实际应用中受到限制。无参考（No-Reference，NR）评价算法不依赖原始图像信息，具有实际的应用前景。

无参考图像质量评价算法按照其适用范围可分为专用型方法和通用型方法两种[1]，如图 1 所示。专用型无参考评价算法针对特定失真类型图像进行评价，如文献[2-5]提出了针对图像 JPEG 压缩编码失真的评价算法，文献[2-3]通过测量块边缘强度及其他特征对图像进行评价，Zhou 等人提出了基于边缘平均误差和图像活跃性的特征学习方法[4]；文献[6-10]是针对图像 JPEG2000压缩编码的算法，该类算法通常采用边缘检测和建立边缘分布模型来衡量图像的振铃效应和模糊程度；文献[11-16]是针对图像模糊的评价算法，Caviedes 等人通过计算轮廓上图像块 DCT 的峰度（Kurtosis）平均值反映图像模糊程度[11]，Ferzli等人利用恰可察觉模糊（Just Notice Blur，JNB）的方法来评价图像质量[12]，桑庆宾等人通过构造模糊副本来计算结构相似性[14]。实际应用中图像失真类型具有多样性和相互叠加性，因此，针对特定失真类型的无参考质量评价算法的应用受到严重限制。

由于空域的失真是影响图像视觉质量的直接原因，有效的空域特征提取可取得与主观评价较好的一致性。并且相比于变换域（小波域、DCT 域等）特征提取，空域特征提取算法具有复杂度低和执行速度快的优点，适合应用到实时系统。

BRISQUE

Ruderman 等[24]发现自然图像归一化的亮度值趋向于单元正态高斯特性，他认为图像中的失真会改变归一化系
数的统计特征，通过测量这种统计特征的改变，可以预测失真类型并以此评价图像视觉质量。在此理论的基
础上，Mittal 等人提出了基于空域统计特征的BRISQUE算法[23]。
1）图像像素