基于低级特征的FSIM：图像质量评价的新标准

FSIM: A Feature Similarity Index for Image Quality Assessment 是一篇由 Lin Zhang、Lei Zhang、Xuanqin Mou 和 David Zhang 合作完成的论文，发表于计算机与香港理工大学及西安交通大学的图像处理与模式识别研究所。该研究旨在提升全参考图像质量评估（Full-Reference IQA）的标准，特别是在模仿人类视觉系统（HVS）的理解方式上。 传统上，全参考的结构相似性指数（SSIM）在 IQA 中起着关键作用，它将评估从像素级转向了结构级。然而，SSIM 假设所有像素同等重要，这在实际情况下并不完全准确。人类对图像的理解主要依赖于低层次的特征，如边缘和纹理等。FSIM 认识到这一点，提出了一个新颖的特征相似性指数，强调了局部结构的重要性。 FSIM 中的核心特征是相位一致性（Phase Congruency, PC），这是一种无量纲的测量，反映了局部结构的显著性。PC 被选为首要特征，因为它对对比度不敏感，而对比度信息确实会影响人类对图像质量的感知。为了考虑对比度的影响，FSIM 还引入了图像梯度幅度（Gradient Magnitude, GM）作为辅助特征，以增强对图像细节的关注。 FSIM 算法的设计目标是更精确地模拟人类视觉对图像质量的主观评价，通过赋予不同像素不同的权重，尤其是那些对图像结构定义至关重要的部分。这与传统的单一权重计算方法相比，能够提供更精细的评估结果。此外，由于其基于低层次特征的特性，FSIM 在视频质量评估和图像辩解等应用中展现出了优势，因为它能更好地捕捉和量化那些影响观感的关键视觉元素。 FSIM 的提出代表了一种进步，它不仅考虑了结构相似性，还进一步考虑了人类视觉系统的工作原理，通过结合PC和GM这两种特征，为全参考图像质量评估提供了更符合主观评价的定量指标。这种算法的出现，对于提高图像质量评估的准确性和信度具有重要意义，尤其在音视频领域，它为客观评价画质提供了新的思路。