图像质量评价学习笔记01：IQA的基本概念及分类

一、什么是图像质量评价IQA？

图像质量评价（也有一部分文献中称为图像质量评估），英文是Image Quality Assessment，简称IQA。图像质量评价是图像处理、图像或视频编码等领域的基础性问题，主要用于评估图像或视频的失真程度，被广泛应用于算法设计与分析、系统性能评估等方面。

在人眼接收图像视觉信息之前，多媒体数据通常需要经过整个信息处理链，在不同的处理阶段会经历各种感知质量退化。在采集过程中可能因设备的抖动造成失焦、模糊，压缩时产生块效应、振铃效应等，传输中产生时间延迟、误码、数据丢包，重建过程中有噪声等，造成最后显示给观看者的图像是退化的。通过计算机模型得出图像质量评价结果，最终目的是无限接近于人类的主观感受。

数据处理链示意图如下：

二、图像质量评价IQA具体应用在哪里？

针对上面的数据传输链，图像质量评价的具体应用：
1、采集：使用质量评价技术来监测和自动调整采集参数，这样可以采集到质量较好的图像数据。举例：通过摄像头获得病理的实时采集图像，判断图像的内容质量，输出判断结果，对于明显质量不合格的病理图像直接定义为不合格图像，提高质控环节的工作效率。
2、压缩：在满足图像质量要求的情况下，比较压缩前和压缩后的图像，判断压缩后的图像质量，进而选择最优的编码参数，编码框架中每个模块的选择和参数设置都以图像质量为依据。
3、传输：服务器上可以使用质量评价方法来检测在网络上传输的数字图像或视频的质量，对失真的地方进行反馈。
4、处理：通常图像质量评价是用于图像处理算法的基准之一，能在图像和视频处理系统中集成，公平比较各类算法效果，比如图像去雾，去噪，融合，增强等，从而优化算法和相关参数设置。
5、检索：对图像和视频库中大量的视觉数据按照质量高低进行排序，可以优先选择感知质量更高的图像和视频，图像质量排序算法目标就是做到自动选择更优质的图像展示给用户，吸引用户点击。

三、图像质量评价IQA怎么分类？

根据是否有参考信息（原始无失真图像）分类：
1、全参考：Full Reference Image Quality Assessment（FR-IQA），对比失真图像和理想参考图像（原始无失真图像）之间的差异，评测失真图像的质量。
2、半参考：Reduced Reference Image Quality Assessment（RR-IQA），只有原始无失真图像的部分信息或部分特征，半参考介于全参考和无参考之间。利用先验知识提取理想参考图像的少量特征信息，与失真图像的特征信息进行对比，完成对失真图像的质量评估。
3、无参考：Blind IQA（BIQA） / No-Reference Image Quality Assessment（NR-IQA），只有失真图像，没有原始无失真图像，此类方法难度较高。一类研究特定类型的图像质量，比如模糊、块效应、噪声的严重程度，另一类研究非特定类型的图像质量，即通用的失真评估。

根据有无人员参与分类：
1、主观评价：
（1）绝对评价：采用双刺激连续质量分级法DSCQS（Double Stimulus Continuous Scale），将待评价图像和原始无失真图像交替播放给评价人员，评价人员进行打分，将分数平均作为待评图像的评价值。评估指标有两种：平均主观得分MOS (Mean Opinion Score)（对所有评价人员给出的质量分数进行加权平均，值越小，失真越严重，质量越差，分数越大质量越好），平均主观得分差异DMOS (Differential Mean Opinion Score)（考虑失真与原始内容的平均评分差异，分数越大失真越严重，质量越差，其范围因不同数据库而异，常见有[0，1]、[0，5]、[0，9]、[0，80]、[0，100]）。
（2）相对评价：采用单刺激连续质量评价法SSCQE（Single Stimulus Continuous Quality Evaluation），将一批待评价图像按照一定的序列播放，评价人员给出待评图像相应的评价分值，对评价图像质量优劣进行排序。
2、客观评价：设计能精确地自动感知图像质量的计算模型，测试影响图像质量的多个因素的表现情况，通过计算模型获得图像质量的量化值，与人眼主观观测值比较。

分类示意图如下所示：

【后续跟进，如有不足请批评指正】

今天的文章图像质量评价学习笔记01：IQA的基本概念及分类分享到此就结束了，感谢您的阅读。