IQA （图像质量评价）

Question

如题所述

Answer 1

在图像质量评价领域，IQA（Image Quality Assessment）是评价图像清晰度、真实度与还原度的重要工具。评价方法主要分为主观评价与客观评价两大部分。

主观评价方法涉及绝对评价与相对评价，但实际操作中存在困难。相对评价方法以图像质量等级作为标准进行比较，而绝对评价方法则需设定一个固定的质量基准。这两种方法实施起来较为复杂，故在此不作过多探讨。

客观评价则主要依据图像像素统计，以数值形式量化图像质量。如MSE（均方误差）与PSNR（峰值信噪比）等指标在评价图像质量时发挥着重要作用。以一个降噪后的图片为例，MSE为0.0004777804926332579，PSNR为33.20771586094474，结果显示该图片质量良好。

基于信息论的图像质量评价方法包括信息熵与互信息。IFC与VIF算法通过计算待评图像与参考图像之间的互信息，衡量图像质量的优劣。然而，这些方法在信息保真度上的理论支撑虽强，但对于图像结构信息的反应不足。

对于信息保真度准则（IFC）与视觉信息保真度（VIF）算法，网上资料较少，且多为MATLAB实现，IFC方法目前无法实现。VIF算法运用较为广泛，得到的VIF值为0.9758460769325894，表明该图片质量良好。

基于结构信息的评价方法如MSE、PSNR与SSIM（结构相似性指数）等指标，得到的MSE为0.0004777804926332579，PSNR为33.20771586094474，SSIM为0.9570612590498769，综合评价结果表明图片质量优秀。

代码实现中，MSE算法结果与自行实现的函数结果存在较大差异，考虑到网络资源多采用get_mse方法，且MSE值越小越好，因此暂时不使用mean_squared_error函数。

部分参考方法依赖于图像的部分特征信息进行质量评价。这些方法包括基于原始图像特征、数字水印与Wavelet域统计模型等。由于依赖于图像的部分特征，数据量减少，适用于图像传输系统。

无参考方法无需与理想参考图像比较，主要基于图像统计特性进行评价。此方法适用于无法获取原图或原图存在不可忽略噪声的情况，评判标准与寻找噪声方式相似，旨在判断图像是否符合理想特征。