0 引言
单幅图像超分辨率重建(Single Image Super-Resolution Reconstruction，SISR)是图像复原的一种，其通过信号处理或者图像处理的方法，将低分辨率(Low-Resolution，LR)图像转化为高分辨率(High-Resolution，HR)图像[1]。目前，SISR被广泛应用在医学影像、遥感图像、视频监控等领域当中。近年来，许多SISR算法相继被提出，因此需要一种可靠的方式来衡量各种算法重建图像的质量好坏。
最可靠的图像质量评估方式是主观评分，但这种方式需要耗费大量的人力和时间，所以往往使用客观评价指标来对超分辨(Super-Resolution，SR)图像进行质量评估。最常用的图像客观评价指标是峰值信噪比(Peak Signal-to-Noise Ratio，PSNR)和结构相似度(Structural Similarity，SSIM)。但在SISR领域中，这两个指标与人眼感知的一致性较低[2]。因此研究者们提出了一系列基于人类视觉系统(Human Visual System，HVS)的图像质量评估算法，如信息保真度(Information Fidelity Criterion，IFC)[3]、特征相似度(Feature Similarity，FSIM)[4]等算法，在图像质量评估数据库中的性能超过了PSNR、SSIM等传统算法。
本文详细内容请下载：http://www.chinaaet.com/resource/share/2000003726
作者信息：
刘锡泽1，李志龙2，何欣泽3，范 红1
(1.东华大学 信息科学与技术学院，上海201620；
2.OPPO研究院，上海200030；3.上海大学 通信与信息工程学院，上海200444)
