1、背景介紹
圖像是人類感知和機器模式識別的重要信息源，其質量對所獲取信息的充分性和準確性起着決定性的作用。然而，圖像在獲取、壓縮、處理、傳輸、顯示等過程中難免會出現一定程度的失真。如何衡量圖像的質量、評定圖像是否滿足某種特定應用要求？要解決這個問題，需要建立有效的圖像質量評價體制。目前，圖像質量評價從方法上可分爲主觀評價方法和客觀評價方法，前者憑藉實驗人員的主觀感知來評價對象的質量；後者依據模型給出的量化指標，模擬人類視覺系統感知機制來衡量圖像質量。
2、圖像質量評價的作用
評價和指導圖像編碼壓縮。無損壓縮方法能力非常有限，主流圖像編碼壓縮方法都是以有損壓縮爲主以無損壓縮爲輔，一方面，編碼框架中每個模塊的選擇和參數設置都以圖像質量爲依據，另一方面，從H.263到H.264再到H.265，每一代標準同等質量碼率降低一半，壓縮性能已經十分驚人，到現在想再進一步提升壓縮性能已經越來越難，圖像質量評價方法也是制約因素之一。
評價和指導圖像處理算法。我們有時需要比較或選擇圖像處理算法，評價指標就是公平比較各種算法, IQA是部分圖像處理算法的評價指標之一，如圖像去霧，去噪，融合，增強等。
動態的檢測和調整圖像質量的狀況。例如圖像和視頻採集系統可以根據質量評價的結果來自動的調整系統的參數以獲得最佳質量的圖像和視頻數據；在網絡數字視頻服務中我們也可以用評價模型來實時的檢查當前網絡上傳傳輸圖像視頻的質量狀況和分配數據流資源。
3、主觀質量評價
主觀質量評分法是圖像質量最具代表性的主觀評價方法，它通過對觀察者的評分歸一化來判斷圖像質量。而主觀質量評分法又可以分爲絕對評價和相對評價兩種類型。
國際電信聯盟( ITU) 提出了很多種主觀評價方法的標準，最常用有三種，即雙刺激損傷分級法、 雙刺激連續質量分級法和單刺激連續質量分級法：
1） 雙刺激損傷分級法，給定原始圖像( 未失真的參考圖像) 、待測圖像( 有一定失真) 兩組圖像，對比兩組圖像觀察出待測圖像的受損情況，根據圖像主觀質量5 級評分表，選出待測圖像的等級。
2） 雙刺激連續質量分級法，同樣給定兩組圖像，不同之處是觀測者完全不知道哪個是參考圖像，哪個爲失真圖像。觀測者只需根據評分表分別對參考圖像和待測圖像評分。最後計算參考圖像和待測圖像的平均主觀分值法 ( Mean Opinion Score MOS) 得分，並計算兩者之差的差分主觀分值法 DMOS。DMOS 越小，說明待測圖像的質量越好。
3） 單刺激連續質量分級法，與絕對主觀評價類似，單刺激連續質量分級法是在一定連續時間內，只觀察待測圖像。觀察者根據評分表連續對待測圖像評分，根據評分和評分時間得到待測圖像的質量評價。
爲得到定量的主觀評價結果, 需要設計主觀評價實驗, 其中包括三個步驟:
(1)準備樣本集（樣本集中所包含的失真類型要全面）;
(2)由觀測者對樣本集的圖像質量進行評價（觀測者對圖像質量進行評價時, 需考慮顯示設備的配置、觀測距離、觀測者的來源、對觀測者的培訓、每一個觀測小組的人員個數和觀測圖像數目、每次觀測的時間以及如何對圖像進行評價等方面）;
(3)對主觀評價結果進行加工（由於觀測者對圖像的主觀評價值是一個鬆散的分佈, 爲了減輕主觀因素的影響, 得到一個比較穩定的結果, 需要對原始數據進行取捨：評分出界的檢測、對觀測者的淘汰）。評價的結果可用一定數量的觀察者給出的平均分數求得。如下：
3.1 主觀質量評價優缺點
圖像的主觀評價方法的有點是能夠真實的反映圖像的直觀質量，評價結果可靠，無技術障礙。但是主觀評價方法也有很多缺點，比如要對圖像進行多次重複實驗，無法應用數學模型對其進行描述，從工程應用的角度看，耗時多、費用高，難以實現實時的質量評價。在時間應用中，主觀評價結果還會受觀察者的知識背景、觀測動機、觀測環境等因素的影響。
3.2 質量評價數據庫
要想公正的比較各個IQA算法的性能，有必要建立一個具有各種內容和失真的圖像數據集。圖像質量評估的數據集也很多，但公認度最高的還是前四個，即LIVE, CSIQ, TID2008和TID2013，這些庫都提供了每幅失真圖像的主觀評分值MOS。詳情如下：
給定這些數據集，然後就可以計算平均主觀評分和客觀模型預測值之間的差異和相關性。 更高的相關性表明更好的模型性能。
4、客觀質量評價
圖像質量的客觀評價是根據人眼的主觀視覺系統建立數學模型，並通過具體的公式計算圖像的質量。相比主觀評價，客觀評價具有可批量處理、結果可重現的特點，不會因爲人爲的原因出現偏差。
客觀評價算法根據其對參考圖像的依賴程度, 可分成三類。( 1) 全參考: 需要和參考圖像上的像素點做一一對應的比較; (2)半參考: 只需要和參考圖像上的部分統計特徵做比較; ( 3) 無參考: 不需要具體的參考圖像。其中全參考算法是研究時間最長、發展最成熟的部分。
4.1 全參考圖像質量評價
待評價圖像信號的質量可以通過與原始圖像信號相比之後獲得的誤差信號來進行質量 分析。圖像質量的下降與誤差信號的強弱相關。基於此，最簡單的質量評價算法就是均方差(Mean Squared Error, MSE)和峯值信噪比(Peak Signal- Noise Ratio, PSNR)。
表達式表示:
式中， Ｒ( m， n) 代表參考圖像在空間位置( m， n) 的 灰度值， I( m， n) 代表失真圖像在空間位置的( m，n) 的灰度值; L 爲峯值信號，對於 8 位的灰度圖像來說，L=255.
雖然 MSE 和 PSNＲ 計算形式上非常簡單，物理意義理解也很清晰，本質上沒有考慮將人類視覺 系統( Human Visual System HVS) 特性引入到圖像 質量評價當中來，只是單純從數學角度來分析差異，與圖像的感知質量之間沒有必然聯繫，評價結果不太理想。
人們基於 HVS，提出了相關圖像質量評價方法。根據對 HVS 模型描述的側重點不同，這裏將圖像質量評價模型歸結爲基於誤差靈敏度評價算法和基於結構相似度評價算法兩類。
1） 基於誤差靈敏度的圖像質量評價
HVS 模型的主要特性包括視覺非線性、多通道、對比敏感度帶通、掩蓋效應、多通道間不同激勵的相互作用以及視覺心理特徵。這些算法主要對 HVS 的底層特徵進行數學建模，來仿真 HVS 特性以進行客觀圖像質量評價。HVS 是一個高度複雜和非線性的系統，當前對其認知仍然有限。以上各方法都基於一定的假設前提，取得了一定的效果，但也存在一些問題。
2） 基於結構相似度的圖像質量評價
自然圖像具有特定的結構，像素間有很強的從屬關係，這些從屬關係反映了視覺場景中的結構信息[。Wang 等人提出了基於結構失真的圖像質量評價方法，稱爲結構相似 (SSIM)方法。該方法認爲光照對於物體結構是獨立的，而光照改變主要來源於亮度和對比度；所以它將亮度和對比度從圖像的結構信息中分離出來，並結合結構信息對圖像質量進行評價。
基於誤差靈敏度的評價方法是一種自下而上的方法，它先模擬 HVS 各部分的功能，再將其組合來實現整個 HVS；而SSIM 評價方法則試圖從整體上直接模擬 HVS 抽取對象結構的人類視覺功能。
4.2 半參考圖像質量評價
半參考評價方法只提取圖像的部分信息作爲參考，有傳輸數據量小、靈活性強的優點，且應用範圍廣。該方法的關鍵性能指標是特徵提取和特徵比較。通過比較提取的參考和失真圖像的部分信息的誤差進行圖像質量評價。常見的有三種：
1) 基於原始圖像特徵方法。該方法由GAO 和 Weisi 等［3］提出，是通過比較視覺敏感係數的關係實現的。首先是利用Contourlet 分解將參考圖像和失真圖像內視覺敏感係數提取出來，然後比較兩者的視覺敏感係數。此方法與主觀評價有很好的一 致性。針對不同的失真類型，關鍵技術是特徵的 選取。
2) 基於 Wavelet 域統計模型的方法。利用視覺感知特性，通過統計圖像經小波分解後視覺感知係數在各子帶中的變化情況，提出了一種基於小波分解的半參考型圖像質量評價方法［4］。優點是通 用性強，對不同類型也能廣泛應用。
3) 基於數字水印方法。是由 Zhang［5］提出的 基於小波數字水印的圖像質量評價方法。通過對比失真圖像的水印復原率進行圖像質量評價。首 先結合人類視覺系統( HVS) 的特性檢測原始圖像 的紋理豐富區域，獲得水印嵌入指示圖; 然後運用 量化參數自動調節系統確保數字水印的較好隱藏 性。優點是預測精確度、單調性和一致性方面較 好。缺點是對圖片描述性並不高，評價指標不高， 應用範圍有一定的限制。
4.3 無參考圖像質量評價
無參考算法可以分爲兩種: 針對失真類型的算法和基於機器學習的算法。這類方法的特點無需參考圖像, 靈活性強。
無參考算法中研究較多的失真類型是 jpeg 和 jpeg2000 ( 即: H. 264視頻壓縮標準) 壓縮失真。
基於機器學習算法不需要分析失真的原因和怎樣設計特徵衡量失真程度對圖像質量的評價，它是直接將學到的“特徵”直接作爲圖像質量評價的標準來進行評價的。
4.4 評價算法應具備的性質
圖像質量評價算法應該具備以下三個特性:
( 1) 準確性: 主、客觀評價值之間的差異較小;
( 2) 單調性: 客觀評價值應隨 主觀評價值的增減而增減;
( 3) 一致性: 算法在測試集上表現 出的性能與其在訓練集上表現的性能相近似。
常見的2種評估指標是線性相關係數（Linear Correlation Coefficient, LCC）和秩相關係數（Spearman's Rank Order Correlation Coefficient, SROCC）。
LCC（或者PLCC），描述了主、客觀評估之間的線性相關性，定義如下：
5、圖像質量評價發展趨勢
1) 從單純的客觀評價算法轉化爲主客觀相結合的評價算法。
2) 半參考、無參考方法將成爲主流研究對象。
3) 隨着技術的發展，如何對立體的圖像進行評價也是以後要研究的另一個領域。