在数字图像处理和计算机视觉领域，图像质量评估是一个关键的研究方向，它旨在确定图像在传输或处理过程中的质量损失程度。为了准确评估图像的质量，研究人员和工程师们开发了多种指标来量化图像的相似性或差异性。以下是对10个常用的图像评测指标的详细解析。 峰值信噪比（PSNR）是一种常用的客观评价指标，用于衡量图像质量。它通过计算图像最大可能像素值的对数和均方误差（MSE）之间的比值来工作。PSNR值越高，表示图像质量越好。 结构相似性指数（SSIM）是一种更为全面的图像质量评估方法，它考虑了图像的亮度、对比度和结构信息。SSIM值越接近1，表示图像的视觉质量越高。 平均绝对误差（MAE）是另一种简单的图像相似性度量方法，它直接计算了两个图像对应像素值差的绝对值的平均数。 均方误差（MSE）是一种评估图像质量的方法，通过计算两个图像对应像素值差的平方的平均数来得到。MSE越小，表示两个图像越相似。 均方根误差（RMSE）是MSE的平方根，它也是用来衡量图像质量的，与MSE类似，RMSE越小，图像质量越高。 图像质量度量（ISSM）是一种更为复杂的图像质量评估方法，它结合了多种图像质量评估的特征，是一种综合性的评估指标。 信号失真比（SRE）是通过计算原始信号与失真信号之间的比值来评估图像质量，SRE越高，图像质量越好。 感知损失指标（LPIPS）是一种基于深度学习的图像质量评估方法，它通过学习人类视觉系统的感知特性来评价图像质量。 像素品质评估（PIQE）是一种无参考的图像质量评估方法，它通过计算图像中局部区域的统计特征来评估图像质量。 自然图像质量评估器（NIQE）则是一种无需原始图像即可评估图像质量的方法，它是通过从大量自然图像中学习图像的统计模型来工作的。 了解和掌握了这些图像评测指标的计算方法后，可以对图像处理过程中的算法性能和图像质量进行更为精确的量化分析。这些指标的代码实现可以帮助研究人员和工程师自动化评估过程，并在图像处理系统的设计和优化中发挥重要作用。 至于文件名称“tenTarget”，这可能是代码文件的名称或者是用于存放图像评测指标计算代码的压缩包名称。它传达了一个明确的信息，即该压缩包包含了针对10个图像评测指标的代码实现。

我们在对图像质量进行评价时，之前的一些标准主要依靠PSNR,SSIM等指标，但是超分或者其他低层视觉任务图像评价来说，这些指标并不符合我们人眼感官，所以NIQE(Natural Image Quality Evaluator)应运而生。NIQE指标是一个客观的评价指标，提取自然景观中的特征来对测试图像进行测试，这些特征是拟合成一个多元的高斯模型。这个模型实际上是衡量一张待测图像在多元分布上的差异，这个分布是有一系列的正常的自然图像中提取的这些特征所构建的。基于MATLAB的代码： https://github.com/roimehrez/PIRM2018 https://github.com/

niqe-C-MATLAB代码 论文名称：制作“完全盲”图像质量分析仪 作者：Anish Mittal，Rajiv Soundararajan和Alan C. Bovik 年：2013 它包含niqe算法的C ++代码和MATLAB代码。 MATLAB代码包含训练代码和测试代码，而C ++代码仅包含测试代码。 因此，在运行C ++测试代码时，需要导入MATLAB获取的mu.txt和cov.txt。 包含的mu.txt和cov.txt文件是通过MATLAB训练我的私有数据集而获得的。 由于该算法需要在训练集和测试图像的相同环境和相同光照条件下使用，因此可以获得更高的准确性，因此这两个txt文件对您几乎没有用处。 因此，请在MATLAB代码上训练自己的数据集，以获得正确的结果。 我的最高准确率是97.15％。 环境：C ++：OpenCV4.1，Visual Studio 2015

【图像评价】基于无参考NIQE图像质量评价matlab源码.md

无参考图像质量指标NIQE的实现，Matlab实现。资源来自于德克萨斯大学奥斯汀分校http://live.ece.utexas.edu/research/quality/

无参考图像质量评价NIQE源代码，可运行。

NIQE算法代码 使用概率分布直接计算图片质量 使用可信赖图片生成对比模型进行比较