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。图像质量表示图像向人或设备提供信息的能力，直接关系着所获取信息的充分性与准确性。然而，图像在获取、处理、传输和存储的过程中，由于各种因素的影响，将不可避免的产生图像的降质问题，这给信息获取或图像的后期处理带来了极大的困难。因此，在图像处理的相关领域建立图像质量评价机制具有重大的意义。

图像质量评价的问题涉及到图像处理技术许多方面，例如压缩、传输、增强、存储、水印等。一个有效的评价标准可以有如下三种应用：首先，可以在质量控制系统中检测图像质量。例如图像采集系统利用其来自动调整系统参数，从而获得最好的图像数据；其次，可以用作衡量图像处理系统和算法的标准。例如有若干图像降噪和恢复的算法用来提高数码照片的质量时，质量标准便可以用来确定

哪个算法可获得最好的结果；最后，可以嵌入到图像处理系统中来优化系统和参数设置。例如在视频通信系统中，质量标准既能辅助编码端的预滤波和比特分配算法的设计，又能辅助解码端的最优重构、误差消除和后滤波算法的设计。

图像质量评价从方法上可分为主观评价方法和客观评价方法，前者凭借实验人员的主观感知来评价对象的质量；后者依据模型给出的量化指标，模拟人类视觉系统感知机制衡量图像质量。下文中，我们将分别进行介绍。

二.主观质量评价方法

人是图像的最终接收者，因此，主观质量评价是最为可靠的图像质量评价方法。最常用的方法是平均主观分值法(MOS)和差分主观分值法(DMOS)。

平均主观分值法(MOS)是通过不同观测者对于图像质量评价得出的主观分

值进行平均来得到归一化的分值，用这个分值来表示该图像质量。它一般有五个标准：优，良，中，差，劣。对应这五个标准由两种类型的分值：图像主观绝对分值和图像主观相对分值，主观绝对分值意思是观测者对于图像本身的主观分值，主观相对分值意思是观测者对于图像在一组图像中的相对其它图像的主观分值，如表1和2所示。

表1 图像主观绝对分值

表2 图像主观相对分值

差分主观分值法(DMOS)，它是建立在平均主观分值法(MOS)分值基础上，

它的计算公式如下：

d i,j=MOS origial−MOS distorted

d i,j′=

d i,j−min⁡(d i,j) max(d i,j)−min⁡(d i,j)

这里，d i,j代表观测者对于参考图像和失真图像评分的差异值。最后对d i,j′取

平均值，可以得到DMOS值。

主观评价算法也有很大的不足之处。首先，需组织人力对图像质量进行评价，评价结果很容易受到个人主观因素的影响，并且当图像数量巨大时，该方法就更

为耗费时间，因此不利于在工程实践中的应用；其次，该方法不能自动实现，不能嵌入实际的图像或视频处理系统中，比如流媒体播放、视频会议等。但是为了评测客观图像质量评价算法，仍然需要用到主观评价算法的辅助，所以对于主观评价算法的介绍也是很有必要的。

三.客观质量评价方法

客观质量评价是指使用一个或多个图像的度量指标，建立与图像质量相关的数学模型让计算机自动计算得出图像质量。其目标是客观评价结果与人的主观感受相一致。根据是否对原始图像进行参考及参考的程度，客观质量评价又可分为以下三种类型：

1)全参考方法(Full Reference，FR)，需要完整的原始图像作为评价的参考；

2)部分参考方法(Reduced Reference，RR)，需要原始图像的部分信息作为评价的参考；

3)无参考方法(No Reference，NR)，不需要借助任何参考图像，依靠待评价图像本身各种信息进行质量评价。

3.1全参考方法(Full Reference，FR)

全参考图像质量评价方法需要参考原始图像，经过几十年的发展，已形成较完整的理论体系和成熟的评价框架。待评价图像信号的质量可以通过与原始图像信号相比之后获得的误差信号来进行质量分析。图像质量的下降与误差信号的强弱相关。

3.1.1均方差（Mean Squared Error）和峰值信噪比(Peak Signal-Noise Ratio)

最简单的主观评价方法MSE和PSNR可由下列表达式表示：

上式中，f original(i,j)代表参考图像在空间位置(i,j)的灰度值，f distorted(i,j)代表失真图像在空间位置的(i,j)的灰度值。

虽然MSE和PSNR计算形式上非常简单，物理意义理解也很清晰，但是因为它们是基于失真图像和参考图像像素对之间随机误差差异而定义的．本质上没有考虑没有将HVS特性引入到图像质量评价当中来，只是单纯从数学角度来分析差异，与图像的感知质量之间没有必然联系，所以有时候会出现评价结果的不准确性。

3.1.2加权均方误差(weighted MSE)与加权峰值信噪比(weighted PSNR)