摘要
图像质量评估（Image Quality Assessment, IQA）旨在通过计算模型实现与主观评价一致的图像质量度量。经典的结构相似性指数（SSIM）将IQA从像素级提升至结构级评估阶段。本文提出一种新型全参考图像质量评估指标——特征相似性指数（Feature Similarity Index, FSIM），其理论基础在于人类视觉系统（Human Visual System, HVS）主要依据图像的低层特征来理解视觉内容。具体而言，FSIM以相位一致性（Phase Congruency, PC）作为核心特征，PC是一种无量纲的局部结构显著性度量，能够有效表征图像中的关键结构信息。考虑到PC具有对比度不变性，而对比度信息实际上会影响HVS对图像质量的感知，因此引入图像梯度幅值（Gradient Magnitude, GM）作为辅助特征。PC与GM在刻画图像局部质量方面发挥互补作用。在获得局部质量图后，再次利用PC作为加权函数，综合生成最终的单一质量评分。在六个标准IQA数据库上的大量实验结果表明，FSIM在与主观评价的一致性方面显著优于当前最先进的IQA度量方法。