论文部分内容阅读
视觉信息保真度(VIF)是一种基于自然场景统计模型(NSS)、图像失真和人类视觉失真建模的新判据。传统上,图像质量评价算法将图像质量解释为使用"基准"或"完美"的图像作为参考的相似性或者保真度。本文将VIF方法应用于图像增强效果的评价,该方法将失真图像取代"完美"图像作为参考图像以评价增强后的图像的质量。由于VIF指标在某种程度上融合了HVS的特点,因此,相比传统方法具有明显的优势。本文通过大量的主观测试对该方法进行验证,实验显示该方法的性能优于当前的其他方法。