矯英祺，任國(guó)全，李冬偉

(軍械工程學(xué)院，河北石家莊050003)

1 引言

隨著現(xiàn)代軍事科學(xué)技術(shù)的快速發(fā)展，在現(xiàn)代化高新技術(shù)戰(zhàn)爭(zhēng)條件下，光電成像系統(tǒng)作為情報(bào)收集、火控等設(shè)備在世界國(guó)防領(lǐng)域得到了高度重視，在武器裝備偵察系統(tǒng)中的地位日趨重要。光電成像系統(tǒng)主要用于對(duì)戰(zhàn)區(qū)進(jìn)行偵查、監(jiān)視、捕獲目標(biāo)并進(jìn)行跟蹤、識(shí)別、測(cè)距，控制精確制導(dǎo)武器的投放及目標(biāo)指示等，因此光電成像系統(tǒng)成像性能的好壞直接影響著武器裝備的戰(zhàn)斗力。通過(guò)對(duì)所成圖像質(zhì)量進(jìn)行評(píng)價(jià)已經(jīng)成為評(píng)估光電成像系統(tǒng)成像性能的一個(gè)重要手段。因此，對(duì)光電成像系統(tǒng)圖像質(zhì)量評(píng)價(jià)方法的研究是一個(gè)重要的研究方向。

圖像質(zhì)量通常是指人們對(duì)一幅圖像視覺(jué)感受及評(píng)價(jià)，一般采用圖像的逼真度和圖像的可懂度來(lái)對(duì)其進(jìn)行評(píng)判［1］。圖像質(zhì)量評(píng)價(jià)的工作原理為:首先用物理方法對(duì)圖像的物理特性進(jìn)行度量，然后將度量值與規(guī)定標(biāo)準(zhǔn)進(jìn)行比較，最后利用數(shù)字模型來(lái)度量圖像質(zhì)量。

很多年前，人們就渴望找到一種可以定量評(píng)價(jià)圖像的真實(shí)性和可懂性，作為評(píng)估和設(shè)計(jì)成像系統(tǒng)的一個(gè)準(zhǔn)則。但是目前對(duì)人眼視覺(jué)感知的理解還不夠。特別地，科學(xué)家們還沒(méi)有找到一個(gè)可以有效地定量描述人眼視覺(jué)特性的方法，所以對(duì)于圖像質(zhì)量評(píng)價(jià)系統(tǒng)需要進(jìn)行更進(jìn)一步研究。

目前，圖像質(zhì)量評(píng)價(jià)方法主要分為主觀評(píng)價(jià)方法和客觀評(píng)價(jià)方法兩大類［2－3］。

2 圖像質(zhì)量主觀評(píng)價(jià)法

主觀評(píng)價(jià)方法通過(guò)人主觀感受對(duì)圖像質(zhì)量進(jìn)行評(píng)價(jià)，直接反映給人眼的感覺(jué)相對(duì)較為準(zhǔn)確。主觀評(píng)價(jià)法要依賴評(píng)價(jià)人員的評(píng)估結(jié)果，評(píng)價(jià)人員主要由專業(yè)人員和非專業(yè)人員組成。評(píng)價(jià)人員的選擇應(yīng)該具有廣泛的代表性，并由一定的判斷分析能力，能夠較快地接受和掌握評(píng)價(jià)方法［4］。主觀評(píng)價(jià)法中的每個(gè)過(guò)程都應(yīng)該遵循既定的程序。

首先，由一組評(píng)價(jià)人員根據(jù)一些事先規(guī)定的評(píng)價(jià)標(biāo)準(zhǔn)和自身的經(jīng)驗(yàn)對(duì)待評(píng)價(jià)圖像進(jìn)行評(píng)估;然后，根據(jù)所有評(píng)價(jià)人員的評(píng)估結(jié)果進(jìn)行分析、處理，計(jì)算出平均分;最后，根據(jù)分析計(jì)算的結(jié)果得出待評(píng)價(jià)圖像的主觀評(píng)價(jià)結(jié)果。主觀評(píng)價(jià)有兩種標(biāo)準(zhǔn)，即絕對(duì)標(biāo)準(zhǔn)和相對(duì)標(biāo)準(zhǔn)，主觀質(zhì)量指標(biāo)如表1所示。

表1 主觀質(zhì)量指標(biāo)

主觀評(píng)價(jià)來(lái)自評(píng)價(jià)人員對(duì)圖像質(zhì)量的主觀評(píng)定，如MOS(Mean Opinion Score)。但主觀評(píng)價(jià)費(fèi)時(shí)費(fèi)力，易受觀察者的知識(shí)背景、經(jīng)驗(yàn)、測(cè)試環(huán)境等多種因素的影響，實(shí)時(shí)性、穩(wěn)定性、可移植性較差。盡管這種方法應(yīng)用廣泛和可靠，但是評(píng)價(jià)結(jié)果總是限于一些特定條件。此外，主觀評(píng)價(jià)方法無(wú)法提供建設(shè)性的意見(jiàn)來(lái)改善圖像質(zhì)量，所以MOS幾乎很少應(yīng)用在成像系統(tǒng)中。

3 圖像質(zhì)量客觀評(píng)價(jià)法

因?yàn)槿祟愂撬袌D像、視頻信息的最終感知者，最明顯的質(zhì)量評(píng)價(jià)方法就是主觀評(píng)價(jià)法。然而，在實(shí)際應(yīng)用中，主觀評(píng)價(jià)往往不方便，耗時(shí)、成本高，而且很難嵌入到成像系統(tǒng)中，因此目前主要研究以客觀評(píng)價(jià)方法為主?？陀^圖像質(zhì)量評(píng)價(jià)是設(shè)計(jì)一個(gè)計(jì)算模型，可以自動(dòng)且精確地對(duì)圖像的質(zhì)量進(jìn)行評(píng)價(jià)或者預(yù)測(cè)，“準(zhǔn)確”的意思是評(píng)價(jià)或者預(yù)測(cè)的結(jié)果要和人的主觀視覺(jué)一致。

客觀評(píng)價(jià)法按照是否需要原始圖像分為三種［5－7］:全參考質(zhì)量評(píng)價(jià)(Full－ Reference QA)，需要將“失真”圖像與參考圖像進(jìn)行比較得出評(píng)價(jià)結(jié)果;所參考質(zhì)量評(píng)價(jià)(Reduced－Reference QA)，可以從參考圖像得到部分特征信息，并利用這些信息完成對(duì)“失真”圖像質(zhì)量的評(píng)價(jià);無(wú)參考質(zhì)量評(píng)價(jià)(No－Reference QA)，不借助任何參考圖像的信息，獨(dú)立完成對(duì)圖像質(zhì)量的評(píng)價(jià)。

3．1 傳統(tǒng)的圖像質(zhì)量評(píng)價(jià)方法

3．1．1 均方誤差法(MSE)

設(shè)參考圖像和被測(cè)圖像均由M×N個(gè)像素組成，并且 x=1，2，…，M，y=1，2，…，N 。則兩個(gè)圖像之間的均方誤差為:

在酒店對(duì)于人才管理的過(guò)程中，國(guó)內(nèi)酒店的管理人員由于傳統(tǒng)思想總是寄希望設(shè)法用各種手段來(lái)控制酒店的員工，甚至把一些激勵(lì)的措施也當(dāng)成了控制知識(shí)型員工的手段。許多酒店在解決知識(shí)型員工“跳槽”問(wèn)題上走進(jìn)了誤區(qū)，他們把“跳槽”看成是員工的背叛或者認(rèn)為員工跳槽體現(xiàn)出的是自己管理的失敗，為了遮蓋住這種失敗，有的甚至采取扣押金、扣檔案，扣工資等偏執(zhí)的做法。最后，人非但沒(méi)留住，還嚴(yán)重影響到企業(yè)聲譽(yù)和形象。酒店的管理者即使知道采用這種管制性措施把人才被迫留住，所留人才會(huì)因此變得消極怠工，令酒店和員工個(gè)人雙方兩敗俱傷，也依然這樣做。

式中，a(i，j)表示被測(cè)圖像中對(duì)應(yīng)的灰度值;a^(i，j)表示被測(cè)圖像中對(duì)應(yīng)的灰度值。

均方誤差法是被測(cè)圖像與參考圖像間的簡(jiǎn)單數(shù)學(xué)統(tǒng)計(jì)差別，計(jì)算公式直觀、嚴(yán)格，計(jì)算簡(jiǎn)單，這些優(yōu)點(diǎn)使得該方法一直得到廣泛的應(yīng)用;但是，該方法需要逐像素進(jìn)行比較，所有像素點(diǎn)同樣對(duì)待，在有些情況下，通過(guò)該方法所求得的結(jié)果與人主觀視覺(jué)感受不一致。

3．1．2 峰值信噪比法(PNSR)

峰值信噪比法(PNSR)本質(zhì)上與MSE相同，其表達(dá)式為:

峰值信噪比的方法與均方誤差法類似，該方法需要逐像素進(jìn)行比較，所有像素點(diǎn)同樣對(duì)待在有些情況下，通過(guò)該方法所求得的結(jié)果與人主觀視覺(jué)感覺(jué)不一致。

PSNR與MSE同樣都需要逐像素進(jìn)行比較運(yùn)算，但是這種基于對(duì)圖像隨機(jī)誤差進(jìn)行統(tǒng)計(jì)運(yùn)算的方法只能從數(shù)學(xué)角度上總體反映被測(cè)圖像和原始圖像的差別，而沒(méi)有考慮到人的視覺(jué)感知特性，其結(jié)果常與人們主觀視覺(jué)效果不一致，并不能完全反映圖像失真對(duì)圖像內(nèi)容、邊緣和結(jié)構(gòu)等構(gòu)成的影響，不能完全反映圖像的質(zhì)量，因而不能良好地表達(dá)人眼的對(duì)比度敏感特性。

3．1．3 奇異值分解法(SVD)

矩陣A為m×n階實(shí)矩陣，它的奇異值分解表示為:A=USV'，其中U，V為正交矩陣，即UU'=1，VV'=1 。S 為對(duì)角矩陣，即 S=diag(S1，S2，…，Sk，0，…，0)，k=rank(A)，S1≥S2≥…≥Sk。通過(guò)奇異值分解來(lái)提取圖像特征，然后進(jìn)行圖像特征差異性比較。可以求得參考圖與測(cè)試圖的奇異值向量差D=S1－ S2;Ds={di};i=1，2，…，k。S的元素從大到小排列，在數(shù)值上成指數(shù)遞減的變化趨勢(shì)，而且S特征向量中的前面幾個(gè)分量包含了圖像代數(shù)屬性的主要信息。所以通過(guò)公式:

求得奇異值權(quán)值向量。

定義基于權(quán)重奇異值分解的質(zhì)量評(píng)價(jià)測(cè)度B_SVD如下:

式中，d越小，得出的B_SVD值越小，表示兩幅圖像差別越小，即所測(cè)試圖像質(zhì)量越好。

3．2 基于結(jié)構(gòu)信息的圖像質(zhì)量評(píng)價(jià)方法

自然圖像是由像素高度結(jié)構(gòu)化的，尤其是空間領(lǐng)域的像素，具有很強(qiáng)的相關(guān)性，而且像素間的關(guān)系包含了大量的視覺(jué)信息。盡管大部分失真圖像都被線性傳輸所分解，但是這種相關(guān)性并沒(méi)有被消除。Wang等［8］研究人員在多年對(duì)圖像處理、圖像壓縮及圖像的視覺(jué)質(zhì)量評(píng)價(jià)的工作基礎(chǔ)上，通過(guò)圖像像素之間的相關(guān)性，提出了基于結(jié)構(gòu)相似度(SSIM)的圖像質(zhì)量評(píng)價(jià)方法。SSIM算法將圖像分成亮度、對(duì)比度和結(jié)構(gòu)三部分，計(jì)算三部分的失真獲得圖像分塊的整體失真度。算法的理論依據(jù)是人眼視覺(jué)系統(tǒng)(Human Visual System，HVS)高度適合于提取視覺(jué)場(chǎng)景中的結(jié)構(gòu)信息，使測(cè)量獲得結(jié)構(gòu)信息的改變與感知圖像質(zhì)量的變化非常接近。因此，如果結(jié)構(gòu)信息相似則可認(rèn)為前后圖像質(zhì)量變化不大，即質(zhì)量損失不大。

SSIM定義為:

式中，X為原始圖像塊;Y為失真圖像塊;σx，σy為方差;σxy為協(xié)方差;μx，μy表示X、Y的局部亮度均值;c(X，Y)為對(duì)比度相關(guān)函數(shù);s(X，Y)為結(jié)構(gòu)相關(guān)函數(shù);l(X，Y)為 X、Y 亮度相關(guān)函數(shù)。C1，C2，C3和 α，β，γ 都是常數(shù)。

SSIM從均值、方差、結(jié)構(gòu)三個(gè)層次比較圖像信號(hào)，一般取α=β=γ=1時(shí)，可以得到:

對(duì)所有N個(gè)子圖像的SSIM值求平均，可得到整幅圖像的質(zhì)量值，即平均結(jié)構(gòu)相似度MSSIM:

根據(jù)SSIM的定義，MSSIM的值越大，說(shuō)明圖像X和Y方向越相似。SSIM模型是一種比對(duì)應(yīng)像素點(diǎn)間絕對(duì)誤差更好的，在局部上考慮了像素間相關(guān)性的誤差度量方式。SSIM方法因其與人主觀評(píng)價(jià)的良好一致性而被廣泛應(yīng)用和研究。MSSIM(Mean Structural Similarity)在過(guò)去些年間展現(xiàn)出了它的穩(wěn)定性、魯棒性和精確性，它也被廣泛的研究推廣，例如，MGSSIM和MDESSIM。

針對(duì)SSIM不能較好地評(píng)價(jià)嚴(yán)重模糊降質(zhì)圖像的問(wèn)題，Chen等［9］提出了一種基于灰度結(jié)構(gòu)相似度的方法(GSSIM)。

式中，X'，Y'為圖像塊的灰度坐標(biāo)。實(shí)踐表明GSSIM方法比SSIM方法的評(píng)價(jià)效果更佳優(yōu)異，尤其是高斯模糊圖像。

戚尚菊等［10］在SSIM的基礎(chǔ)上，提出了一種新穎的、基于邊緣的圖像質(zhì)量評(píng)價(jià)方法(ESSIM)，該方法充分考慮了圖像的邊緣信息和HVS的關(guān)系，能較好地估計(jì)圖像紋理結(jié)構(gòu)遭到破壞的模糊圖像的質(zhì)量。王德心等［11］設(shè)計(jì)了一種改進(jìn)的結(jié)構(gòu)相似度評(píng)價(jià)方法。該方法考慮到小波分解能夠模擬對(duì)比敏感度特性，利用不同空間頻帶的小波系數(shù)進(jìn)行CSF特性加權(quán)，分別對(duì)待測(cè)試圖像和參考圖像提取出人眼感興趣的中高頻信息，然后進(jìn)行結(jié)構(gòu)相似度對(duì)比，有效克服了SSIM方法不能對(duì)失真圖像進(jìn)行有效評(píng)價(jià)的缺陷。Zhu等［12］根據(jù)圖像結(jié)構(gòu)信息和人類視覺(jué)特性，基于對(duì)圖像內(nèi)容的人類視覺(jué)感知力，提出了一種新的圖像質(zhì)量評(píng)價(jià)方法。通過(guò)算術(shù)建模評(píng)估人類對(duì)圖像質(zhì)量的主觀視覺(jué)感知，這就保證了結(jié)構(gòu)相似模型能夠滿足圖像處理的應(yīng)用需要。Liu等［13］考慮到人眼視覺(jué)對(duì)于邊緣信息的敏感性，介紹了一種包含邊緣相似度和結(jié)構(gòu)相似度的綜合評(píng)價(jià)方法(TESSIM)。Xie等［14］通過(guò)分析光電成像系統(tǒng)的數(shù)學(xué)模型和圖像模糊的機(jī)理，提出了一種構(gòu)建參考圖像并運(yùn)用SSIM進(jìn)行圖像質(zhì)量評(píng)價(jià)的無(wú)參考圖像質(zhì)量評(píng)價(jià)方法NRSS(No－Reference Structural Sharpness)。該方法通過(guò)一個(gè)低通濾波器構(gòu)建參考圖像，然后通過(guò)計(jì)算測(cè)試圖像與參考圖像之間的結(jié)構(gòu)相似性來(lái)評(píng)價(jià)圖像質(zhì)量，充分利用了成像系統(tǒng)的數(shù)學(xué)模型以及結(jié)構(gòu)相似指數(shù)的優(yōu)勢(shì)。實(shí)驗(yàn)結(jié)果顯示這種新方法的質(zhì)量評(píng)價(jià)效果與主觀評(píng)價(jià)、全參考評(píng)價(jià)具有相同的評(píng)價(jià)效果。

3．3 其他圖像質(zhì)量評(píng)價(jià)方法

為了提高圖像質(zhì)量評(píng)價(jià)準(zhǔn)確率，李凌等［15］提出了一種采用最小二乘支持向量機(jī)(Least Square support vectormachines，LSSVM)的圖像質(zhì)量評(píng)價(jià)方法。該方法首先采用PSNR、SSIM分別對(duì)圖像質(zhì)量進(jìn)行評(píng)價(jià)，得到的評(píng)價(jià)值作為描述圖像質(zhì)量的參數(shù)，然后輸入到LSSVM進(jìn)行分析，建立新的圖像質(zhì)量分類器，采用建立的分類器對(duì)圖像質(zhì)量進(jìn)行仿真評(píng)價(jià)。黃君等［16］在現(xiàn)有的圖像視覺(jué)理論基礎(chǔ)上，建立基于視覺(jué)特性的數(shù)學(xué)模型，并結(jié)合奇異值分解提出了一種新的圖像質(zhì)量評(píng)價(jià)方法。

Mou等［17］認(rèn)為比較參考圖像與測(cè)試圖像的邊緣位置也可以測(cè)量圖像結(jié)構(gòu)的失真程度，成為一種有效的圖像質(zhì)量評(píng)價(jià)指標(biāo)，而且邊緣可以通過(guò)卷積LOG濾波器從圖像的最基本結(jié)構(gòu)信息中檢測(cè)出來(lái)?；谝粋€(gè)簡(jiǎn)單的邏輯，提出了一種全新的評(píng)價(jià)方法NSER(Non － Shift Edge based Ratio)。Pina Marziliano［18］提出了一種基于邊緣檢測(cè)和寬度測(cè)量的模糊圖像的全參考評(píng)價(jià)，該方法主要依賴于對(duì)退化圖像的特征和參考圖的比較，有效地對(duì)模糊圖形進(jìn)行評(píng)價(jià)。左博新等［19］提出了一種基于邊緣檢測(cè)的無(wú)參考模糊圖像評(píng)價(jià)模型，通過(guò)測(cè)量梯度圖像的梯度邊緣信息，對(duì)模糊退化圖像進(jìn)行無(wú)參考評(píng)價(jià)。實(shí)驗(yàn)表明該模型準(zhǔn)確地反映了人對(duì)模糊圖像質(zhì)量的主觀感受。Liu等［20］認(rèn)為圖像梯度能夠傳達(dá)重要的視覺(jué)信息，而且對(duì)于場(chǎng)景理解至關(guān)重要?；诖?，圖像結(jié)構(gòu)上的相對(duì)改變就能夠有效地獲取出來(lái)。提出了一種將亮度和相對(duì)結(jié)構(gòu)改變相結(jié)合的方法來(lái)有效地評(píng)價(jià)圖像質(zhì)量。亮度和相對(duì)結(jié)構(gòu)的改變對(duì)圖像質(zhì)量的影響會(huì)通過(guò)一個(gè)適當(dāng)?shù)姆椒ㄟM(jìn)行綜合協(xié)調(diào)從而獲得圖像質(zhì)量的總體評(píng)分。針對(duì)灰度圖像，林瑩等［21］提出了一種采用圖像的梯度來(lái)衡量圖像清晰度的評(píng)價(jià)方法MGDM(Morphological Gradient Definition Metric)。該方法通過(guò)多種形態(tài)學(xué)結(jié)構(gòu)元素在圖像上分別計(jì)算出對(duì)應(yīng)的梯度信息，將梯度信息疊加后得到圖像的形態(tài)學(xué)梯度邊緣，利用該圖像梯度邊緣信息作為圖像質(zhì)量清晰度評(píng)價(jià)的測(cè)度，得到圖像清晰度評(píng)價(jià)結(jié)果。文獻(xiàn)［22］提出了一種新的質(zhì)量評(píng)價(jià)方法VGS(Visual Gradient Similarity)，并且將一些人類對(duì)圖像梯度的視覺(jué)特性融入到其中。何中翔等［23］從圖像構(gòu)像質(zhì)量和幾何質(zhì)量?jī)蓚€(gè)方面探討了圖像客觀質(zhì)量評(píng)價(jià)方法。最近10年里，專家學(xué)者們提出了許多著名的方法，例如 PSNR －HVS －M［24］，visual information fidelity(VIF)［25］，visual signal－ to － noise ratio(VSNR)［26］和 most apparent distortion(MAD)［27］。

4 總結(jié)與展望

準(zhǔn)確評(píng)價(jià)圖像質(zhì)量對(duì)光電成像系統(tǒng)性能優(yōu)劣的評(píng)估起到了很大的作用。本文從主觀評(píng)價(jià)和客觀評(píng)價(jià)兩個(gè)方面對(duì)圖像質(zhì)量評(píng)價(jià)的方法進(jìn)行了論述，并著重介紹了客觀評(píng)價(jià)方法。近些年，針對(duì)當(dāng)前研究最多的全參考圖像質(zhì)量評(píng)價(jià)方法，國(guó)內(nèi)外的研究學(xué)者均不同程度地在評(píng)價(jià)算法中采用HVS特性，這可以有效克服客觀評(píng)價(jià)與主觀評(píng)價(jià)評(píng)判結(jié)果不一致的問(wèn)題。因此，將主客觀評(píng)價(jià)方法相結(jié)合將成為圖像質(zhì)量評(píng)價(jià)算法的一個(gè)發(fā)展趨勢(shì)。

盡管如此，目前評(píng)價(jià)效果較好的一些評(píng)價(jià)方法要么是全參考評(píng)價(jià)就是弱參考評(píng)價(jià)，因?yàn)樵谠S多實(shí)際應(yīng)用場(chǎng)合無(wú)法獲得參考圖像，因此發(fā)展對(duì)無(wú)參考(NR)圖像質(zhì)量評(píng)價(jià)方法的研究更具價(jià)值。無(wú)參考圖像質(zhì)量評(píng)價(jià)又稱“盲評(píng)價(jià)”，是一個(gè)比較新的研究領(lǐng)域。近些年，大量的NR方法被研究出來(lái)，然而，它們的大部分都或多或少有缺點(diǎn)，限制了它們?cè)趯?shí)際工程中的應(yīng)用。例如，一些需要變換，一些模型需要訓(xùn)練過(guò)程，一些的計(jì)算結(jié)果沒(méi)有約束。由此可見(jiàn)，無(wú)參考圖像質(zhì)量評(píng)價(jià)方法是圖像質(zhì)量評(píng)價(jià)領(lǐng)域中的難點(diǎn)，同時(shí)它也將成為人們研究的熱點(diǎn)，能夠準(zhǔn)確評(píng)價(jià)圖像質(zhì)量并與HVS具有良好一致性的NR方法將具有重要的使用價(jià)值。

［1］ LIU Hui，YUAN Hao，LIHong － xia．Research on Quality Assessment Methods of Remote Sensing Image［J］．Modern Electronics Technique，2011，34(10):24 － 26．(in Chinese)劉慧，袁昊，李洪霞．遙感圖像質(zhì)量評(píng)估方法研究［J］．現(xiàn)代電子技術(shù)，2011，34(10):24 －26．

［2］ WANG Yue－h(huán)ua，TAO Zhong－xiang．Overview of Quality Evaluation Methods of Fused Infrared and Visible Images［J］．Infrared，2012，33(6):7 －11．(in Chinese)王躍華，陶忠祥．紅外與可見(jiàn)光圖像融合質(zhì)量評(píng)價(jià)方法綜述［J］．紅外，2012，33(6):7 －11．

［3］ ZHU Li－ juan．TimeOptimization Algorithm of Full Reference Image Quality Assessment［J］．Laser ＆ Infrared，2013，43(8):947 －950．(in Chinese)朱麗娟．一種時(shí)間優(yōu)化的全參考圖像質(zhì)量評(píng)價(jià)算法［J］．激光與紅外，2013，43(8):947 －950．

［4］ WANG Rong，LIZhi，LI Li － hua．Overview of Quality Evalution of Video Image［J］．Journal of Chinese People’s Public Security Unviersity:Science and Technology，2012，1(1):59 －62．(in Chinese)王蓉，李志，李麗華．視頻圖像質(zhì)量評(píng)價(jià)綜述［J］．中國(guó)人民公安大學(xué)學(xué)報(bào):自然科學(xué)版，2012，1(1):59－62．

［5］ LIZuo－ lin，LIXiao－h(huán)ui，MA Ling － ling，et al．Research of Definition Assessment Based on No－Reference Digital Image Quality［J］．Remote Sensing Technology and Application，2011，26(2):239 －246．(in Chinese)李祚林，李曉輝，馬靈玲，等．面向無(wú)參考圖像的清晰度評(píng)價(jià)方法研究［J］．遙感技術(shù)與應(yīng)用，2011，26(2):239－246．

［6］ LU Fangfang，ZHAO Qunfei，YANG Genke．Color Image Quality Assessment Based on Structural Similarity［J］．Journal of Donghua University:Eng．Ed．，2010，27(4):443－450．

［7］ YIN Ying．Non － Reference Blur Image Quality Assessment Based on General Regression Neural Network［J］．Laser＆ Infrared，2013，43(4):466 －470．(in Chinese)殷瑩．基于廣義回歸神經(jīng)網(wǎng)絡(luò)無(wú)參考模糊圖像質(zhì)量評(píng)價(jià)［J］．激光與紅外，2013，43(4):466 －470．

［8］ Zhou Wang，Alan C B．A Universal Image Quality Index［J］．IEEE Signal Processing，2002，9(3):81 －84．

［9］ G Chen，C Yang，SXie．Gradient－ based structural similarity for image quality assessment［J］．IEEE Trans．Image Process，2006:2929 －2932．

［10］ QIShang－ju，Ji Xiu－h(huán)ua．Blurred Image Quality Assessment Based on Edge Structural Similarity［J］．COMPUTER ENGINEERING ＆ SCIENCE，2011，33(2):133－136．(in Chinese)戚尚菊，紀(jì)秀花．基于邊緣的結(jié)構(gòu)相似度模糊圖像質(zhì)量評(píng)價(jià)［J］．計(jì)算機(jī)工程與科學(xué)，2011，33(2):133－136．

［11］ WANG Dexin，ZHANG Yu －ye，LIKai－duan．A Kind of Distored Image Quality Assessment Method［J］．Science Technology and Engineering，2010，10(23):5759 －5762．(in Chinese)王德心，張玉葉，李開(kāi)端．一種失真模糊圖像的質(zhì)量評(píng)價(jià)方法［J］．科學(xué)技術(shù)與工程，2010，10(23):5759－5762．

［12］ Zhu Li，Wang Guoyou，Liu Ying．Image quality evaluation method based on structural similarity［J］．Proc．of SPIE，2007，6790:67905L．

［13］ Liu Junyao，Wang Huijing．Image Quality Assessment Based on Structure and Edge Similarity［J］．IEEE Trans．Intelligent Computation Technology and Automation，2011:1105－1108．

［14］ Xie Xiaofu，Zhou Jin，Wu Qinzhang．Assess Image Blur in Photoelectric Imaging System［J］．Proc．of SPIE，2010，7658:765803．

［15］ LILing，LIU Zhi－wu，LI Yong － chang．Modeling and Simulation of Image Quality Evaluation［J］．COMPUTER SIMULATION，2012，29(3):284 －287．(in Chinese)李凌，劉志武，李永昌．圖像質(zhì)量評(píng)價(jià)的建模與仿真研究［J］．計(jì)算機(jī)仿真，2012，29(3):284 －287．

［16］ HUANG Jun，BAO Xiao－min，DU Jing － jing．Image Quality Assessment Based on HVS and Singular Value Decomposi－ tion［J］．Industrial Control Computer，2012，25(3):39 －40．(in Chinese)黃君，包曉敏，杜晶晶．基于HVS和奇異值分解的圖像質(zhì)量評(píng)價(jià)［J］．工業(yè)控制計(jì)算機(jī)，2012，25(3):39 －40．

［17］ MOU Xuanqin，ZHANG Min，XUE Wufeng，et al．Image Quality Assessment Based on Edge［J］．Proc．of SPIE，2011，7876:78760N．

［18］ Pina Marziliano，F(xiàn)rederic Dufaux．Perceptual blur and ring－ ing metrics:application to JPEG2000［J］．Signal Processing:Image communication，2004，19(2):163 －172．

［19］ ZUO Bo －xin，MING De － lie，AO Zheng － guang，et al．No－Reference Blurred Image Based on Image Structure and the Quality AssessmentMethod of Its Restorarion Image［J］．GEOMATICSWORLD，2008(1):13 － 20．(in Chinese)左博新，明德烈，敖爭(zhēng)光，等．基于圖像結(jié)構(gòu)的無(wú)參考模糊圖像及其復(fù)原圖像質(zhì)量評(píng)價(jià)方法［J］．地理信息世界，2008(1):13－20．

［20］ Anmin Liu，Weisi Lin，Manish Narwaria．Image Quality Assessment Based on Gradient Similarity［J］．IEEE Trans．Image Process，2012，21(4):1500 －1512．

［21］ LIN Ying，ZHANG Zhao－dong，LIU Jing － xia，et al．Gray Image Quality Blind Assessment Based on Morphological Gradient［J］．Computer Applications and Software，2012，29(1):264 －266．(in Chinese)林瑩，張兆東，劉景夏，等．基于形態(tài)學(xué)梯度的灰度圖像質(zhì)量盲評(píng)價(jià)［J］．計(jì)算機(jī)應(yīng)用于軟件，2012，29(1):264－266．

［22］ Zhu Jieying，Wang Nengchao．Image Quality Assessment by Visual Gradient Similarity［J］．IEEE Trans．Image Process．，2012，21(3):919 －933．

［23］ HE Zhong－xiang，WANG Ming－ fu，YANG Shi－ hong，et al．Research on Objective Quality Assessment of Remote Sensing Image［J］．JOURNAL OF ENGINEERING GRAPHICS，2011，6:47 －52．(in Chinese)何中翔，王明富，楊世洪，等．遙感圖像客觀質(zhì)量評(píng)價(jià)方法研究［J］．工程圖學(xué)學(xué)報(bào)，2011，6:47 －52．

［24］ N Ponomarenko，F(xiàn) Silvestri，K Egiazarian，et al．On between－coefficient contrastmasking of DCT basis function［C］//Proc．3 rd Int．Workshop Video Process．Qual．Metrics Consum．Electron．，Scottsdale，AZ，2007．

［25］ H R Sheikh，A C Bovik．Image information and visual quality［J］．IEEE Trans．Image Process．，2006，15(2):430－444．

［26］ D M Chandler，S S Hemami．VSNR:A Wavelet － based visual signal－ to－ noise－ ratio for natural images［J］．IEEE Trans．Image Process．，2007，16(9):2284 －2298．

［27］ E C Larson，D M Chandler．Most apparent distortion:Full－reference image quality assessmentand the role of strategy［J］．J．Electron．Imaging，2010，19(1):011006．