王 烁，余 伟，田传耕

(1.徐州工程学院 信电工程学院,徐州 221018；2. 成都理工大学工程技术学院,成都 614000)

0 引 言

超分辨率图像重构技术[1-6]是在不改变已有成像系统物理分辨率的条件下，利用计算机将一幅低分辨图像或图像序列恢复出高分辨率图像的一种图像处理技术。目前，图像超分辨重构已经在计算机视觉和遥感技术等众多领域取得成功。在过去十年间，大量的图像超分辨重构算法被提出[7-9]。然而，至今没有一种重构算法能高效地重构出所有视觉内容的高清图像。随着大量图像超分辨重构算法被提出，如何有效地评价超分辨重构图像的质量已经成为一个亟待解决的问题。

客观图像质量评价方法[10-12]可根据参考信息的可用性分为全参考、半参考和无参考3类。全参考方法是利用原始图像全部信息，通过计算原始图像与失真图像之间的感知误差，并对这些误差进行加权得到失真图像的质量分数。比较经典的全参考方法有特征相似度 (feature similarity, FSIM)[13]，梯度幅值相似性偏差(gradient magnitude similarity deviation, GMSD)[14]，结构相似性 (structural similarity, SSIM)[15]，多尺度结构相似性 (multi-scale version of SSIM, MS-SSIM)[16]，峰值信噪比(peak signal to noise ratio, PSNR)，基于块的对比度质量指标 (patch-based contrast quality index, PCQI)[17]等。半参考方法与全参考类似，只是在比较相似度部分需要借助从参考图像中提取的部分信息[18]。无参考方法则仅利用待评价信号本身的信息，基于自然场景统计 (natural scene statistic, NSS)或特征学习 (feature learning, FL)的方法来计算质量分数。如文献[19]提出的基于空间域自然场景统计的无参考(blind/referenceless image spatial quality evaluator, BRISQUE)算法，文献[20]提出了一种使用自然场景对数导数统计的……