摘要
视觉质量的测量对于众多图像与视频处理应用具有根本性意义。质量评估（Quality Assessment, QA）研究的核心目标是设计能够以感知一致的方式自动评估图像或视频质量的算法。图像质量评估算法通常将图像质量理解为在某种感知空间中与“参考”或“理想”图像之间的保真度或相似性。此类“全参考”质量评估方法通过建模人类视觉系统（Human Visual System, HVS）的关键生理与心理视觉特征，或采用信号保真度度量，力求实现质量预测的一致性。本文将图像质量评估问题视为信息保真度问题。具体而言，我们提出量化失真过程中图像信息的损失，并探讨图像信息与视觉质量之间的内在关系。由于质量评估系统始终涉及对面向“人类消费”的自然图像与视频的视觉质量进行判断，研究人员已开发出一系列复杂模型以捕捉此类自然信号的统计特性。基于这些模型，我们此前提出了一种基于信息保真度的图像质量评估准则，该准则将图像质量与参考图像与失真图像之间的共享信息量相关联。在本文中，我们进一步提出一种图像信息度量方法，用于量化参考图像中所包含的信息量，以及从失真图像中可恢复的参考信息量。结合这两项指标，我们构建了一种用于图像质量评估的视觉信息保真度度量方法。通过一项包含779幅图像的广泛主观实验，我们验证了所提算法的性能，结果表明，在仿真测试中，该方法显著优于当前最新的图像质量评估算法。本文所用代码及主观实验数据已公开发布于LIVE网站。