简介
图像质量评价(Image quality assessment,IQA)目的在于使用计算模型来衡量图像质量使结果与主观质量保持一致(即主观质量好的图像其IQA评分也应该越高)。随着数字图像和传输技术的快速增长,IQA在图像获取、传输、压缩、恢复、增强等领域也变得更加重要。由于主观IQA技术在很多场景(例如实时场景等)无法使用,所以需要发展客观IQA技术来自动的、稳健的衡量图像质量。同时需要评价结果与人类观察员是统计一致的。在过去几十年间已经出现了多种IQA方法。
IQA分类
根据是否有参考图像,IQA分为全参考(full reference,FR),半参考( reduced-reference,RR),无参考(no-reference)。
全参考FR:在FR问题中除了给出失真图像,还给出了无失真的参考图像。
半参考RR:在RR问题中给出了失真图像,没有参考图像,但是给了参考图像的部分信息。至于是哪种信息取决于你的算法。RR算法在实时系统中很有用,RR的工作原理如下图所示。
无参考NR:在NR问题中仅给出了失真图像。NR是最难的图像质量评价方法。
如何检验IQA评价是否准确