摘要
我们提出了一种基于自然场景统计的、通用失真类型的无参考（盲）图像质量评估（IQA）模型，该模型在空间域内运行。该新模型被命名为盲/无参考图像空间质量评估器（Blind/Referenceless Image Spatial Quality Evaluator, BRISQUE）。与以往需要计算特定失真特征（如振铃、模糊或块效应）的方法不同，BRISQUE 不依赖于这些具体失真类型的特征提取，而是通过分析局部归一化亮度系数的场景统计特性，来量化图像因失真存在而导致的“自然性”损失，从而实现对图像质量的整体评估。其核心特征源于在空间自然场景统计模型下，局部归一化亮度及其乘积的经验分布。该方法无需进行任何坐标变换（如DCT、小波变换等），因而与以往的无参考IQA方法显著不同。尽管模型结构简洁，但我们证明，BRISQUE在统计性能上优于全参考峰值信噪比（PSNR）和结构相似性指数（SSIM），并且在与当前主流的通用失真无参考IQA算法相比时，表现出极强的竞争力。BRISQUE具有极低的计算复杂度，因而特别适用于实时应用场景。此外，BRISQUE所提取的特征还可用于失真类型识别。为展示BRISQUE的一项新实用应用，我们阐述了如何将BRISQUE集成到非盲图像去噪算法中，以实现盲模式图像去噪。实验结果表明，引入BRISQUE后，该方法在性能上显著优于现有最先进技术。BRISQUE的软件实现已公开发布，可供公众下载与评估：http://live.ece.utexas.edu/research/quality/BRISQUE_release.zip。