图像质量评价方法研究进展

目 录 第一章 引言 1 1.1 图像质量评价的定义 1 1.2 研究对象 1 1.3 方法分类 2 1.4 研究意义 3 第二章 历史发展和研究现状 4 2.1 基于手工特征提取的图像质量评价 4 2.1.1 基于可视误差的“自底向上”模型 4 2.1.1.1 Daly模型 4 2.1.1.2 Watson’s DCT模型 5 2.1.1.3 存在的问题 5 2.1.2 基于HVS的“自顶向下”模型 5 2.1.2.1 结构相似性方法 6 2.1.2.2 信息论方法 8 2.1.2.3 存在的问题 9 2.2 基于深度学习的图像质量评价 10 2.2.1 CNN模型 10 2.2.2 多任务CNN模型 12 2.2.3 研究重点 15 第三章 图像质量评价数据集和性能指标 16 3.1 图像质量评价数据集简介 16 3.2 图像质量评价模型性能指标 17 第四章 总结与展望 19 4.1 归纳总结 19 4.2 未来展望 19 参考文献 21 第一章 引言 随着现代科技的发展，诸如智能手机，平板电脑和数码相机之类的消费电子产品快速普及，已经产生了大量的数字图像。作为一种更自然的交流方式，图像中的信息相较于文本更加丰富。信息化时代的到来使图像实现了无障碍传输，图像在现代社会工商业的应用越来越广泛和深入，是人们生活中最基本的信息传播手段，也是机器学习的重要信息源。 图像质量是图像系统的核心价值，此外，它也是图像系统技术水平的最高层次。但是，对图像的有损压缩、采集和传输等过程会很容易导致图像质量下降的问题。例如：在拍摄图像过程中，机械系统的抖动、光学系统的聚焦模糊以及电子系统的热噪声等都会造成图像不够清晰；在图像存储和传输过程中，由于庞大的数据量和有限通讯带宽的矛盾，图像需要进行有损压缩编码，这也会导致振铃效应、模糊效应和块效应等图像退化现象的出现。所以，可以说图像降质在图像系统的各个层面都会很频繁地出现，对图像质量作出相应的客观评价是十分重要且有意义的。为了满足用户在各种应用中对图像质量的要求，也便于开发者们维持、控制和强化图像质量，图像质量评价（Image Quality Assessment，IQA）是一种对图像所受到的质量退化进行辨识和量化的

图像质量评价一直是图像处理和计算机视觉领域的一个基础问题，图像质量评价模型也广泛应用于图像/视频编码、超分辨率重建和图像/视频视觉质量增强等相关领域。图像质量评价主要包括全参考图像质量评价、半参考图像质量评价和无参考图像质量评价。

ITU电视图像质量的主观评价方法（中文+英文）Methodology for the subjective assessment of the quality ITU-R BT.500-13 建议书

常用图像质量评估指标包括SSIM, PSNR等的matlab代码

视频质量检测系统、图像质量检测，图像处理。里面有二十个和视频质量检测有关的项目。

对图像质量标准 ISO12233-2017 进行了中文翻译，带英文

The hand is quicker than the eye. In many cases, so is digital video. Maintaining image quality in bandwidth - and memory - restricted environments is quickly becoming a reality as thriving research delves ever deeper into perceptual coding techniques, which discard superfluous data that humans cannot process or detect. Surveying the topic from a Human Visual System (HVS)-based approach, "Digital Video Image Quality and Perceptual Coding" outlines the principles, metrics, and standards associated with perceptual coding, as well as the latest techniques and applications. This book is divided broadly into three parts. First, it introduces the fundamental theory, concepts, principles, and techniques underlying the field, such as the basics of compression, HVS modeling, and coding artefacts associated with current well-known techniques. The next section focuses on picture quality assessment criteria; subjective and objective methods and metrics, including vision model based digital video impairment metrics; testing procedures; and international standards regarding image quality. Finally, practical applications come into focus, including digital image and video coder designs based on the HVS as well as post-filtering, restoration, error correction, and concealment techniques. The permeation of digital images and video throughout the world cannot be understated. Nor can the importance of preserving quality while using minimal storage space, and "Digital Video Image Quality and Perceptual Coding" provides the tools necessary to accomplish this goal.

基于卷积神经网络的真实图像质量评价方法，唐敏，刘勇，现有盲图像质量评价方法主要采用手动提取图像特征和传统的机器学习组合的方法，如支持向量机(SVM)。传统无参考图像质量评价方法通�

灰度均值、平均梯度，边缘强度，方差、熵、DeviationIndex偏差指数、相关系数等，最前的质量评价代码汇总 matlab c++