1.介紹
2.相位一致性
3. 梯度幅度的計算（GM）
4. FSIM 方法
1.介紹
提出SSIM，MS-SSIM等文章的不足：當對區域性特徵圖進行池化時，所有位置被認為具有同樣的重要性。在VIF中，影象被分解為不同的子帶，這些子帶在池化時具有不同的權重，然而在每個子帶中，每一個位置都被認為同樣重要。這樣的池化策略與我們關於人類視覺系統的一些直觀結論不符，即影象中的不同位置在人眼觀察時做出的貢獻是不同的。
提出SSIM的重要貢獻是應用了人眼視覺系統對影象結構資訊的敏感。低階特徵（如邊緣，零交叉點）在人觀察影象時傳遞著至關重要的資訊。
根據以上兩點資訊：提出了本文的方法FSIM
特徵選擇： 選擇了相位一致性（phase congruency PC）和梯度幅度（GM）
原因： PC 可以提取高度的影象資訊特徵，但是無法響應影象對比度的變化，可是影象區域性的對比度有影響人眼視覺感受，所以又引入了GM特徵來提取對比度資訊。
整體流程 ：①使用兩個特徵計算區域性相似度圖②再次使用PC作為權重函式計算出一個相似度得分
改進 ：只考慮灰度圖的FSIM，考慮色彩資訊的為FSIMc

2.相位一致性
PC可以被視為對於區域性結構的重要性的無量綱度量。相位一致性包含了豐富的紋理，邊緣和結構資訊，對於影象亮度和對比度的變化無關。

計算PC map的方法：
1. 濾波器的選擇：Gabor filters and log-Gabor filters

選擇log-Gabor理由：(沒太懂)

one cannot construct Gabor filters of arbitrarily bandwidth and still maintain a reasonably small DC component in the even-symmetric filter, while log-Gabor filters, by definition, have no DC component, and 、2) the transfer function of the log-Gabor filter has an extended tail at the high-frequency end, which makes it more capable to encode natural images than ordinary Gabor filters
3. 梯度幅度的計算（GM）
使用Sobel ，Prewitt, Scharr運算元計算梯度並比較效能。

4. FSIM 方法
分兩步進行：

計算區域性相似度圖
池化相似度圖為一個相似度得分
首先我們計算兩幅圖片的相位一致性PC1,PC2，梯度GM1,GM2，然後計算相似性

然後合併得到：

在這篇論文中設定α=β=1
在計算出整張影象的SL(x)後，作者根據

different locations have different contributions to HVS’ perception of the image. For example, edge locations convey more crucial visual information than the locations within a smooth area. Since human visual cortex is sensitive to phase congruent structures, the PC value at a location can reflect how likely it is a perceptibly significant structure point

的觀點，作者認為任一畫素點x，如果f1(x)或f2(x)其中有顯著的PC值，那麼這意味著這一點x對HVS評估兩幅影象的相似度上有很大的影響。所以作者使用
去評估某一x位置的SL(x)對全域性相似性的影響，所以我們可以以下的公式：

其中Ω代表著整張圖片的畫素域。

擴充套件到彩色空間的IQA

作者提出從RGB空間變換到YIQ空間

作者提出：因為I，Q具有範圍相同的取值空間，所以我們讓T3 = T4，
可以將SI和SQ合併來得到色度相似性度量

--------------------- 
作者：NODIECANFLY 
來源：CSDN 
原文：https://blog.csdn.net/nodiecanfly/article/details/82987695 
版權宣告：本文為博主原創文章，轉載請附上博文連結！