摘要

在许多应用中，如图像压缩、图像恢复和多媒体流传输，忠实地评估输出图像的感知质量是一项重要的任务。一个好的图像质量评估（IQA）模型不仅应提供高精度的预测结果，还应具有计算效率。由于高速网络中大量视觉数据的日益普及，IQA度量的效率变得尤为重要。本文提出了一种新的有效且高效的IQA模型，称为梯度幅度相似度偏差（GMSD）。图像梯度对图像失真敏感，而失真图像中的不同局部结构会遭受不同程度的退化。这促使我们探索利用基于梯度的局部质量图的全局变化来预测整体图像质量的方法。我们发现，参考图像和失真图像之间的像素级梯度幅度相似度（GMS）结合一种新颖的池化策略——GMS图的标准差——可以准确预测感知图像质量。所提出的GMSD算法比大多数现有的先进IQA方法更快，并且提供了极具竞争力的预测精度。