FSIM：基于低级特征的图像质量评估新指标

FSIM (Feature Similarity Index for Image Quality Assessment) 是一篇由 Lin Zhan、Lei Zhan、Xuanqin Mou 和 David Zhang 合作撰写的论文，发表在计算机科学与图像处理领域。本文旨在提出一种全新的全参考图像质量评估（IQA, Image Quality Assessment）方法，该方法基于对人类视觉系统（HVS, Human Visual System）理解图像主要依赖于低层次特征这一事实。 传统的 IQA 方法主要集中在像素级，而 SSIM (Structural Similarity Index) 的出现则推动了从像素基础向结构基础的转变。FSIM 指数在此基础上进一步发展，强调了利用特征相似性来更准确地模拟人类主观评价。它主要采用无量纲的相位一致性（Phase Congruency, PC）作为核心特征，因为 PC 反映了局部结构的重要性，这在人类视觉感知中起着关键作用。PC 是对比度不变的，这意味着它不受图像对比度变化的影响，这是人类对图像质量判断的一个重要因素。 然而，尽管 PC 能捕捉到图像的结构信息，但对比度信息对人类感知也有显著影响。因此，论文作者引入了图像梯度模（Gradient Magnitude, GM）作为辅助特征。GM 考虑了对比度的变化，从而增加了 FSIM 指数的全面性，使其能更好地模拟人类对于图像质量的整体评价。 FSIM 的设计思路是通过融合这两种特征，构建一个更为精确的量化模型，用于评估图像的主观质量。这种方法不仅考虑了结构的相似性，还考虑到视觉系统对图像细节的敏感度，从而提供了一个综合性的图像质量评估指标。相比于传统的 IQA 指标，FSIM 具有更高的信噪比和对复杂场景的适应性，为后续的研究和应用提供了新的视角和实用工具。在实际应用中，FSIM 可以为诸如数字图像压缩、图像增强、图像修复等技术提供客观的质量评价标准，有助于优化图像处理过程中的性能和效果。