均值偏差相似性指数：高效可靠的全参考图像质量评估器

感知图像质量评估（IQA）在图像和视频处理中的应用，如图像获取、图像压缩、图像恢复和多媒体通信，已经推动了许多IQA指标的发展。本文提出了一种可靠的全参考IQA模型，该模型利用了梯度相似性（GS）、色度相似性（CS）和偏差池化（DP）。考虑到常用的GS在建模人类视觉系统（HVS）时的不足，本文通过融合技术提出了一种新的GS，这种技术更有可能符合HVS。为了测量颜色变化，我们提出了一种高效且有效的公式来计算两个色度通道的联合相似性图。与文献中常用的方法相比，所提出的CS图显示出更高的效率，并能提供相当或更好的质量预测。受最近一项利用标准偏差池化的工作启发，本文提出了DP的一般公式，并用于从所提出的GS和CS图中计算最终得分。该DP公式不仅受益于明可夫斯基池化（Minkowski pooling），还引入了一种新的幂次池化（power pooling）。六组自然图像数据集、一个合成数据集和一个数字修饰数据集上的实验结果表明，所提出的指标在质量预测方面与文献中最新的竞争性IQA指标相当或更好，具有可靠性且复杂度低。所提出的指标的MATLAB源代码可在https://www.mathworks.com/matlabcentral/fileexchange/59809 获取。