人类视觉系统（HVS）

a) 从空间频域来看，人眼是一个低通线性系统。

b) 人眼对亮度的响应具有对数非线性性质。

c) 人类对亮度信号的空间分辨率大于对色度信号的空间分辨率。

d) 人眼视觉系统对信号进行加权求和运算，相当于使信号通过一个带通滤波器。

e) 图像的边缘信息对视觉很重要，特别是边缘的位置信息，人眼容易感觉到边缘的位置变化，而对边缘的灰度误差并不敏感。

f) 人眼的视觉掩盖效应是一种局部效应，受背景照度、纹理复杂性和信号频率的影响，具有不同局部特性的区域，在保证不被人眼察觉的前提下，允许改变的信号强度不同。

图像质量评价（IQA）方法的分类

图像质量评价（IQA），根据参考图片（reference image），即原始图片的存在与否，可分为：

a) 全参考（full-reference）方法

b) 半参考（reduced-reference）方法

c) 无参考（no-reference）方法

其中，FR方法研究比较成熟，相关方法较多。RR方法只有原始图片的部分信息，相关方法不是很有效，NR方法目前还处于研究中，因此我们这里只对FR方法进行介绍。

图像融合评价指标： 信息熵（IE）、标准差（STD）、、空间频率（SF）、 Piella 基于结构相似性的两个指标 QW与 QE等。

常用评级指标

1.信息熵

在信息论中，熵（entropy）是接收的每条消息中包含的信息的平均量，又被称为信息熵、信源熵、平均自信息量。

计算公式：

2.标准差

标准差（又称标准偏差、均方差，Standard Deviation，缩写SD），数学符号σ（sigma），在概率统计中最常使用作为测量一组数值的离散程度之用。标准差定义：为方差开算术平方根，反映组内个体间的离散程度；标准差与期望值之比为标准离差率。

计算公式：

3.空间频率（SF）

空间频率（spatial frequency），空间频率反映的是图像灰度的变化率。

计算公式：

其中，RF 和 CF 分别为图像的行频率和列频率，如下：

空间频率可用于反映图像的清晰度. 一般地, 图像越清晰, 空间频率越高。

4.边缘强度（Edge Intensity）

SSIM（structural similarity）

HVS能高度自适应提取场景中的结构信息，它分别从亮度、对比度、结构三方面度量图像相似性。

亮度：

对比度与结构：

亮度相似性：

对比度相似性：

结构相似性：

总的式子：

其中，$C1,C2,C3$C1,C2,C3为常数，用于防止分母为零。SSIM取值范围[0,1]，值越大，表示图像失真越小。

互信息（Mutual information, MI）

对于图像 A、B 和 F，互信息的数学表达式为：

$J E_{A,F}$JEA,F​表示A与F之间的联合熵，IE为图像的信息熵,$P_{A,F} (i,k) 和 P_{B,F}(j,k)$PA,F​(i,k)和PB,F​(j,k)分别为A与F、B与F之间的归一化联合直方图。MI越大代表融合图像包含源图像的信息越多。