图像质量评估（IQA）对于众多图像处理应用至关重要。 通常，图像质量度量（IQM）将图像质量视为在某些感知空间中与参考图像的保真度或相似度。 这种全参考IQA方法是一种比较，涉及以感知上有意义的方式测量两个信号之间的相似性或差异。 人类视觉系统（HVS）的建模已被视为实现感知质量预测的最合适方法。 实际上，自然图像统计可以是模拟HVS的有效方法，因为自然图像的统计模型揭示了HVS的一些重要响应特性。 稀疏编码是自然图像的有用统计模型，等效于独立分量分析（ICA）。 它对初级视觉皮层中简单细胞的感受野提供了很好的描述。 因此，在设计IQM时，可以使用这种统计模型来模拟视觉皮层级别的视觉处理。 在本文中，我们提出了一种IQA保真度准则，该准则将图像质量与参考图像和失真图像之间的相关性以稀疏代码形式相关联。 提出的可视信号保真度度量（称为稀疏相关系数（SCC））是出于需要从简单细胞接受域的稀疏模型中捕获两组输出之间的相关性的动机。 SCC表示皮质视觉空间中图像的两个视觉信号之间的相关性。 多项式和逻辑回归后的实验结果表明，在单失真和交叉失真测试中，SCC均优于最新的IQM。

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：MATLAB实现图像质量评估标准SSIM 程序源码.zip 资源类型：程序源代码 源码说明： MATLAB实现full-reference 图像质量评估标准SSIM的程序源码，包含完整代码和注释，非常适合借鉴学习 适合人群：新手及有一定经验的开发人员

计算两幅图片的PSNR和SSIM

图像质量评价半参考RR基本介绍及常用方法简介

无参考光场图像质量评估

迭代重建算法在常规剂量胸部CT的应用及图像质量评估.pdf

我们提出了一种基于结构相似性和视觉掩蔽的改进的客观图像质量评估方法，称为感知图像质量评估（PIQA）。 PIQA包含三个相似性度量：亮度比较度量，结构比较度量，与结构相似性（SSIM）相同的对比度比较度量及其变体。 首先，为了提高在模糊图像和嘈杂图像中区分结构信息的能力，我们使用改进的结构张量来修改结构比较度量，该结构张量在描述全局区域中的结构信息时更加有效。 其次，基于人类视觉系统（HVS）感知过程的感知特征，将对比度掩蔽和邻域掩蔽集成到对比度比较度量中。 最后，将三个度量汇总在一起以计算PIQA度量。 与多尺度SSIM（MS-SSIM），视觉信噪比（VSNR）和视觉信息保真度（VIF）标准等最新方法进行比较，仿真结果表明，我们的方法与HVS高度一致感知过程，并提供更好的性能。

画面质量 描述 图像质量是用于自动图像质量评估（IQA）的开源软件库。 依存关系 Python 3.8 （开发中）Docker 安装 该软件包是公共的，并托管在PyPi存储库中。 要将其安装在您的机器中 pip install image-quality 例子 安装image-quality包之后，您可以在python终端中运行以下命令来测试它是否已成功安装。 >>> import imquality.brisque as brisque >>> import PIL.Image >>> path = 'path/to/image' >>> img = PIL.Image.open(path) >>> brisque.score(img) 4.9541572815704455 发展 如果添加新的tensorflow数据集或修改zip文件的位置，则必须更新url校验和。 您可以在以下找到

基于6S大气辐射传输模型和中分辨率成像光谱仪(MODIS)上午星Terra的气溶胶光学厚度数据以及MODIS 双向反射分布函数(BRDF)模型参数产品(MCD43A1),对高分一号(GF-1)卫星宽视场相机(WFV)四个波段的大气层顶辐亮度图像进行大气校正,得到校正后的地表反射率图像。而后基于Brenner梯度算子和中频离散余弦变换两种方法统计校正前后图像的清晰度值,分析计算结果可得大气校正后图像清晰度值高于校正前图像的清晰度值,因此校正后图像的边缘纹理比校正前更清晰;基于阈值分割法原理进行信噪比评价,结果表明校正前后每一波段的信噪比随辐亮度呈递增关系,大气对短波波段的影响较大,而对长波波段的影响较小。

在图像处理中最常用的各种国际标准测试图像，包括Lena、Barbara、Cameraman、Peppers等多种格式的图像。 The most commonly used in image processing in various international standard test images, including Lena, Barbara, Cameraman, Peppers, and other images in multiple formats.