图像信息与视觉质量评估：基于信息保真度的全参考图像质量评估方法

内容概要：本文探讨了图像信息与视觉质量之间的关系，并提出了一种基于信息保真度的全参考图像质量评估（FR IQA）方法——视觉信息保真度（VIF）。VIF利用自然场景统计模型、图像失真模型以及人类视觉系统（HVS）模型，在信息论框架下量化参考图像和失真图像之间的信息共享。实验结果表明，VIF在多种失真类型的图像质量评估中优于现有的先进方法，如PSNR、Sarnoff JND-Metrix和SSIM。此外，VIF还能够捕捉到线性对比度增强对图像质量的提升效果。 适合人群：从事图像处理、计算机视觉、多媒体通信等领域的研究人员和技术人员；对图像质量评估算法感兴趣的高校师生。 使用场景及目标：①用于评估不同失真类型（如JPEG压缩、高斯模糊、白噪声等）下的图像质量；②为图像处理系统的优化提供客观的质量评价标准；③研究图像信息与视觉感知之间的关系，探索新的图像质量评估方法。 其他说明：VIF算法的计算复杂度相对较高，但可以通过简化波形分解和参数估计方法来降低复杂度。未来工作将扩展VIF应用于视频质量评估，并利用时空自然场景模型进一步提高性能。实验数据和代码可在[2]获取。