《表1 VSSE方法与其他方法基于图像不同失真类型的结果比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《感知特征互补的图像质量评价》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

相对上述方法的不足，本研究所提VSSE方法的优势非常明显，针对JPEG2000、JPEG、WN、gblur和fastfading5种不同的失真类型，VSSE方法的3项评价指标均保持了较高的水平（RMSE≤6.0，PLCC≥0.962 0，SROCC≥0.960 9）。表1中数据还说明，当图像的失真机理很难明确或者存在较多的综合失真因素时，即针对各种失真类型的总体ALL评价上，SSIM、MSSIM、VIF、GSM、FSIM和VSI方法的3项评价指标水平均有非常严重的退化（RMSE≥7.276 2，PLCC≤0.949 2，SROCC≤0.960 9），而IFC方法也仅仅是对PLCC一个指标水平取得了提高（PLCC=0.964 3），但是RMSE和SROCC两个指标水平仍然不高（RMSE=6.122 1，SROCC=0.949 2）。相对上述方法的不足，本研究所提VSSE方法的3项评价指标水平均取得了明显的优势（RMSE=5.760 1，PLCC=0.968 5，SROCC=0.963 0），其中，RMSE指标水平相对最优IFC方法提高了6个百分点，PLCC和SROCC两项指标也分别优于其他的最优方法。综上，针对实际应用场景，其他方法客观评价性能均出现了非常明显的退化，但是所提VSSE方法却具有较好的性能，评价结果更接近人眼的主观判断。图3是SSIM、MSSIM、VSI、FSIM、IFC、VIF、GSM和所提VSSE方法的主、客观评价结果散点分布图，对比说明所提VSSE方法的主、客观评价结果具有最好的线性度和区分度。