图像质量评价学习笔记02：IQA模型性能评价指标（PLCC、SROCC、KROCC、RMSE）

性能好的图像质量评价（IQA）算法，其质量评测分数会与主观质量分数高度一致，IQA 有许多评价指标，为了衡量方法测试结果与主观评价之间的一致性，视频质量专家组VQEG（Video Quality Experts Group，目前国际上对视频质量进行标准化及性能测试的权威组织）提出了四个可以验证客观评价结果和主观评价结果之间的紧密程度的四个指标：PLCC、SROCC、KROCC 和 RMSE ，也是目前最常用的 IQA 算法性能的评价指标。

一、PLCC（皮尔逊线性相关系数）

皮尔逊线性相关系数（Pearson linear correlation coefficient，PLCC）用于评估 IQA 模型预测的准确性，也有一些文献写成线性相关系数（Linear correlation coefficient，LCC）。PLCC评价的是主观分值（MOS）与非线性回归后的客观分值的相关性，在计算PLCC前，需对客观分数和主观分数进行非线性回归操作（非线性拟合），建立客观分值与主观分值的非线性映射。

用于非线性回归的 logistic 函数计算为式1， 其中Q表示原始的客观质量分数，β₁、β₂、β₃、β₄、β₅为模型参数（需要拟合的参数），p是经过回归操作的客观质量分数。式2 计算PLCC，s_i 和 p_i 分别表示第 i 幅图像的主观质量分数