图像质量评价（一）：IQA介绍

Question

如题所述

Answer 1

图像质量评估：深入解析与评估方法

图像质量评价（IQA）的核心任务是通过计算模型来度量图像质量，以确保其与人类主观评价保持一致。随着数字化和传输技术的快速发展，IQA在图像处理各个环节，如获取、传输、压缩、恢复和增强，扮演着关键角色。尤其在主观评价无法实时应用的场景，客观IQA技术显得尤为重要，它需要自动且稳健地衡量图像质量，结果需与人类观察者的评价相符。

IQA方法根据是否依赖于参考图像，可以分为三种类型：全参考（FR）、半参考（RR）和无参考（NR）。全参考FR中，提供失真图像的同时还包含无失真参考图像；半参考RR仅提供失真图像，但可能包含部分参考信息，适用于实时系统；而无参考NR只考虑失真图像，评估难度最大。

要验证IQA的准确性，需要在公开的IQA数据集上进行大量实验，比如TID2008、CSIQ和LIVE等，这些数据集包含大量参考图像及其对应的多幅失真图像和主观评分。评估IQA算法性能常用SROCC（斯皮尔曼等级相关系数）、KROCC（肯德尔相关系数）、PLCC（皮尔逊线性相关系数）和RMSE（均方根误差）等指标，通过计算主观评分与客观评分的相关性来判断算法性能。

例如，PLCC和RMSE需要对客观质量进行非线性映射，通过拟合参数beta_i实现。此外，散点图和拟合曲线也是评估工具，如TID2008数据集展示了使用FSIM和VIF客观评价指标的图表。接下来的文章会逐步探讨主流的全参考IQA算法。