无参考图像模糊质量评价新指标：NRSS

本文主要探讨了一种针对图像模糊的无参考质量评价指标，它是在成像模型的理论基础上进行分析的。首先，作者们针对图像模糊这一现象，深入研究了其产生的原因，这包括但不限于镜头运动、图像采集设备性能限制以及环境光照条件等。他们认识到在许多情况下，传统的有参考图像质量评价方法可能无法准确反映模糊图像的主观感知，因此提出了一个创新的方法。 为了解决这个问题，他们提出了一种构造参考图像的新策略。这个方法是利用低通滤波器来处理原始图像，以模拟理想或清晰的图像状态，作为评价模糊图像质量的标准。这种方法的关键在于构建的参考图像能体现出图像原本的结构信息，即使在模糊的情况下也能提供一个客观的参考基准。 引入结构相似度（Structural Similarity Index Measure, SSIM）作为评价工具，作者将其转化为无参考结构清晰度（No Reference Structural Sharpness, NRSS），这是一种无参考的图像质量评估标准。NRSS通过计算原始图像与构建的参考图像之间的结构相似度，量化了图像的清晰度，从而为模糊图像的质量评估提供了一个量化指标。 这种方法的优势在于它结合了成像系统的数学模型和结构相似度评价方法的优点。通过这种方法，研究人员能够在无需人为设定参考图像的情况下，得到与主观评价方法和有参考评价方法相当的结果，这对于模糊图像质量的自动评估具有重要意义。 此外，文章还提到了作者团队的构成，包括谢小甫博士研究生、周进副研究员和吴钦章研究员，他们的研究方向涵盖了图像质量评价、光电成像系统控制、图像处理、目标检测与跟踪等领域。这显示了他们在图像处理领域的专业背景和对该问题深入研究的能力。 文章最后指出，该研究得到了2009年8月27日的收稿，并在经过修订后于2010年发表，其研究内容被归类在TP391.41类别下，文献标志码为A。这篇论文为图像质量评价领域的无参考评价方法提供了一个实用且理论支持的解决方案，对于提高模糊图像处理和质量评估的准确性具有重要的理论价值和实际应用前景。