6、现代图像质量评估方法的通用框架解析

现代图像质量评估方法的通用框架解析

1. 图像质量评估方法分类

图像质量评估（IQA）方法常见的分类有三类：全参考（FR）、降参考（RR）和无参考（NR）。这种分类依据是在IQA操作过程中是否涉及“参考”。参考图像指的是被评估图像的无失真版本，若图像失真度为零，则认为其质量完美。

各类方法虽框架略有不同，但基本原理一致，都需从图像中提取质量感知特征，对特征进行量化，并将结果映射为最终的图像质量分数。

2. 不同类型评估方法的典型框架

2.1 全参考（FR）方法

当使用客观IQA方法评估图像质量时，若需要对应参考图像的完整信息，该方法即为FR方法。测试图像与参考图像内容相同，但可能因失真导致质量下降，这种质量下降程度可通过测试图像与参考图像的差异来反映。
- 早期方法 - 均方误差（MSE） ：早期常用的MSE方法计算公式为：
[MSE = \frac{1}{N}\sum_{i = 1}^{N}(T(i) - R(i))^2]
其中，(T)和(R)分别表示测试图像和参考图像的灰度图像，(N)是测试图像的总像素数。MSE虽能测量测试图像与参考图像的差异，但与人类对图像质量的感知差异不符，准确性常受批评。
- 现代方法 ：为更好地量化感知差异，需提取质量感知特征，如亮度、梯度、信息内容等。然后对特征进行差异测量，最后将多个测量结果映射为一个客观质量分数。典型的FR IQA操作流程可大致分为三个串行阶段，其框架如下：

graph LR