王保全. 基於混合專家模型的快速圖像超分辨率方法研究與實現[D]. 2015.
PSNR 和SSIM 在有時候並不能很確切的表示圖像質量 標准，該論文中根據一定量的人為的感知評分作為參考，用斯皮爾曼等級相關 系數來驗證各個圖像質量評價指標的有效性，目標是找到更符合人眼觀察的圖 像質量評價標准。除了 PSNR 和 SSIM ，該論文還對比了其他幾個圖像質量評價標准：
信息保真度(Information Fidelity Criterion ，IFC)[43] 、
多尺度結構相似度 (Multi-scale Structure Similarity Index ，MSSIM)[44] 、
噪聲質量評價(Noise Quality Measure ，NQM)[45] 、
全局質量評價(Universal Quality Index ，UQI)[46] ，
加權峰值信噪比(Weighted Peak Signal-to-noise Ratio ，WPSNR) 、
視覺信息保真度(Visual Information Fidelity ，VIF)[47] 。
其中，IFC 指標是通過用多尺度高斯混合模型 (Gaussian Scale Mixtures)對自然圖像進行統計得到的，用來度量信息損失程度， 主要針對的是高頻信息的波形特征，而不是人眼不敏感的低頻信息。經過實驗 發現， IFC 指標和人眼感知結果最為接近，其次是NQM 指標。
在超分辨率重建中，為了更好的反映重建圖像質量的好壞，除了常用的圖像恢復質量標准 PSNR 和 SSIM 之外，還應用了 IFC、 NQM （Noise Quality Measure）、WPSNR （Weighted Peak Signal-to-noise Ratio）、MSSSIM （Multi-Scale Structure Similarity Index）和 SAM （Spectral Angle Match）的評價標准，這些都是目前常用的對圖像信息恢復質量好壞的評價標准。它們的數值越高，一般而言，代表圖像恢復的質量越高。
基於卷積神經網絡的高光譜圖像信息恢復技術研究 - 道客巴巴 http://www.doc88.com/p-7768661377035.html
SRCNN中：
測試集。Set5（5張影像）、Set14（14張影像）和BSD200（200張影像）被用來評估upscaling為2,3,4時的表現。
評估矩陣。除了被廣泛使用的PSNR和SSIM指標，我們同樣采用了另外的四個評估矩陣，叫做IFC，噪聲質量測量NQM，權值點信號噪聲比例WPSNR和多尺度結構相似性指標MSSSIM,正如【44】中所述的，它和人類的感知分數高度相關。
【其他】
圖像質量評價概述（評估指標、傳統檢測方法） - qq_23304241的博客 - CSDN博客 https://blog.csdn.net/qq_23304241/article/details/80953613
NQM (Noise Quality Measure)
Image Quality Assessment Based on a Degradation Model http://users.ece.utexas.edu/~bevans/papers/2000/imageQuality/index.html