文献では多くの単一画像の超解像アルゴリズムが提案されていますが、視覚認識に基づく性能評価に関する研究は少ないです。ほとんどの超解像画像はフルリファレンス指標によって評価されますが、その有効性は明確ではなく、実際には常に基準画像（ground-truth images）が利用できるわけではありません。これらの問題を解決するために、大規模な超解像画像セットを使用して人間被験者による評価を行い、視覚認識スコアから学習したノーリファレンス指標を提案します。具体的には、空間領域と周波数領域の両方で三種類の低レベル統計的特徴量を設計し、基準画像を参照せずに超解像画像の品質スコアを予測する二段階回帰モデルを学習します。広範な実験結果により、提案された指標が人間の視覚認識に基づいて超解像画像の品質を評価するのに効果的かつ効率的であることが示されました。