1、BRISQUE算法
https://blog.csdn.net/watermelon1123/article/details/79262078
《No-Reference Image Quality Assessment in the Spatial Domain》
BRISQUE的意思是Blind/Referenceless Image Spatial QUality Evaluator，一種無參考的空間域圖像質量評估算法。算法總體原理就是從圖像中提取mean subtracted contrast normalized (MSCN) coefficients，將MSCN系數擬合成asymmetric generalized Gaussian distribution(AGGD)非對稱性廣義高斯分布，提取擬合的高斯分布的特征，輸入到支持向量機SVM中做回歸，從而得到圖像質量的評估結果。
去均值對比度歸一化-MSCN
MSCN系數：https://www.cnblogs.com/libai123456/p/10727105.html
BRISQUE在計算的時候選取了4個方向分別計算MSCN系數。類似提取紋理。
廣義高斯分布GGD：數據的特殊分布會產生左傾斜和右傾斜的現象。在圖像質量評估中，因為各種distortion的影響，都會導致GGD分布的變形。
2、一種基於神經網絡學習融合的全參考圖像質量客觀評價方法
一種全參考圖像質量客觀評價方法，包括以下步驟：將BP神經網絡用於圖像質量評價，通過設計視覺多通道多算法自適應融合的BP神經網絡圖像質量預測模型，將失真圖像基於各種客觀評價算法的視覺多通道評價結果輸入BP神經網絡，以人眼主觀測試結果分值作為訓練目標，對BP神經網絡進行有監督的學習訓練，然后預測輸出各種客觀評價算法的客觀評價結果，並將各種算法的客觀評價結果進行自適應融合，獲得失真圖像質量的最終客觀評價。本發明方法全面提高了PSNR、SSIM和SVD評價方法的各項指標水平，超過了最近的視覺特征感知處理與視覺心理推導融合類評價方法，且具有更好的評價穩定性。
http://www.vipzhuanli.com/pat/books/201810240606.0/2.html?page=1
相關：一種基於去均值歸一化約束的圖像復原算法
https://www.docin.com/p-1601742986.html
而在處理病態問題的方法當 中，正則化方法則是主要方法之一。圖像復原領域經過幾十年的研究與發展，已 經形成了許多成熟的正則化復原方法。這些方法多選取圖像本身特性，如變換域的稀疏性等作為正則化先驗，利用這些先驗知識構造正則化項引入復原模型進行數值求解。而正則化項的構造就決定了圖像的最終復原效果。 然而在傳統圖像復原模型中，由於所選先驗與人眼視覺特性相關性有限，可能在復原過程中引入復原偽像，如在圖像邊緣處產生振鈴等，並可能造成圖像原有噪聲的放大，在此情況下復原結果雖然是迭代數值求解的最優解，但實際視覺 效果欠佳。因此需要引入一種與人眼視覺特性相關性較強，且能夠表征圖像質量 的指標作為正則化約束，從而改善復原圖像視覺效果，抑制偽像的產生及噪聲的 放大。 [8] 研究中發現，去均值歸一化系數 （Mean Subtracted Contrast Normalized coefficient ，MSCN ）可以用於描述圖像特性，並且研究表明該系數與人眼視覺特 性有較強相關性。因此本課題將 MSCN 作為正則化約束引入傳統正則化圖像復 原算法，建立新的圖像復原模型，提高復原圖像的視覺效果，以使復原圖像更貼合人眼視覺習慣。
【其他】
http://www.eope.net/article/2018/2018-4-916.htm 顏色空間統計聯合紋理特征的無參考圖像質量評價