Frequency-aware no-reference image quality assessment method guided by human visual system characteristics

GAO Minjuan; LI Yankang; SONG Chenye

doi:10.3724/CJLCD.2026-0091

您当前的位置：

首页 >

文章列表页 >

Frequency-aware no-reference image quality assessment method guided by human visual system characteristics

Image Processing | 更新时间：2026-10-16

- Frequency-aware no-reference image quality assessment method guided by human visual system characteristics
- Chinese Journal of Liquid Crystals and Displays Vol. 41, Issue 9, Pages: 1267-1281(2026)
- 作者机构：
  
  太原师范学院计算机科学与技术学院，山西晋中 030619
- 作者简介：
- 基金信息：
  
  Fundamental Research Programme of Shanxi Province(202203021222237);Foundation:Supported by Scientific and Technologial Innovation Programs of Higher Education Institutions in Shanxi(2022L401)
- DOI：10.3724/CJLCD.2026-0091
  CLC： TP391.41
- CSTR：32172.14.CJLCD.2026-0091
- Received：20 May 2026，
  
  Revised：2026-06-17，
  
  Published：05 September 2026
- 稿件说明：
移动端阅览
GAO Minjuan, LI Yankang, SONG Chenye. Frequency-aware no-reference image quality assessment method guided by human visual system characteristics[J]. Chinese Journal of Liquid Crystals and Displays, 2026, 41(9): 1267-1281.
DOI：

GAO Minjuan, LI Yankang, SONG Chenye. Frequency-aware no-reference image quality assessment method guided by human visual system characteristics[J]. Chinese Journal of Liquid Crystals and Displays, 2026, 41(9): 1267-1281. DOI： 10.3724/CJLCD.2026-0091. CSTR： 32172.14.CJLCD.2026-0091.

摘要

针对无参考图像质量评价在复杂失真场景下频率信息利用不足及高频细节表征能力受限的问题，提出一种人眼视觉特性引导的频率感知质量评价方法。首先，以轻量级层次化视觉Transformer网络为骨干进行多尺度特征提取，实现从局部纹理到全局语义的信息建模。其次，引入受视觉对比敏感函数启发的频率感知门控模块，从通道、频率与空间3个维度对失真特征进行自适应调制，以增强模型对敏感频率信息的感知能力。随后，设计基于离散余弦变换的高频增强模块，通过频域中的空间与通道交互强化模型对局部高频退化的响应能力。最后，对多层级特征进行聚合，以提升特征间的协同表征能力。实验结果表明，本文方法在LIVE数据集上的皮尔逊线性相关系数与斯皮尔曼秩相关系数分别达到0.981和0.980；在真实失真数据集LIVEC上分别达到0.911和0.888；在跨数据集实验中的斯皮尔曼秩相关系数达到0.907。该方法能够有效提升复杂失真场景下的质量预测精度，具有较好的泛化能力与鲁棒性，可为智能视觉系统中的感知质量优化提供支持。

Abstract

To address the issues of insufficient frequency information utilization and the limited capability to represent high-frequency details in complex distortion scenarios for no-reference image quality assessment（NR-IQA）， a frequency-aware quality assessment method guided by human visual system （HVS） characteristics is proposed. First， a lightweight hierarchical Vision Transformer network is employed as the backbone for multi-scale feature extraction， enabling information modeling from local textures to global semantics. Second， a frequency-aware gating module inspired by the contrast sensitivity function（CSF） is introduced. This module adaptively modulates distortion features across channel， frequency， and spatial dimensions to enhance the model’s perceptual sensitivity to sensitive frequency information. Subsequently， a high-frequency enhancement module based on the Discrete Cosine Transform （DCT） is designed， which strengthens the model’s response to local high-frequency degradation through spatial and channel interactions in the frequency domain. Finally， multi-level features are aggregated to improve the collaborative representation capability among features. Experimental results demonstrate that the proposed method achieves a Pearson Linear Correlation Coefficient（PLCC） of 0.981 and a Spearman Rank-order Correlation Coefficient（SRCC） of 0.980 on the LIVE dataset. On the authentic distortion dataset LIVEC， the PLCC and SRCC reach 0.911 and 0.888， respectively， while the SRCC in the cross-dataset evaluation reaches 0.907. The proposed method effectively improves quality prediction accuracy in complex distortion scenarios， exhibits strong generalization and robustness， and can provide reliable support for perceptual quality optimization in intelligent visual systems.

关键词

Keywords

references

YI P ， WANG Z P ， JIANG L ， et al . Reconfigurable holographic patterns for optical security multiplexing fabricated by 3D spatially modulated femtosecond pulses ［J］. Light： Advanced Manufacturing ， 2025 ， 6 （ 4 ）： 670 - 680 . doi: 10.37188/lam.2025.046 http://dx.doi.org/10.37188/lam.2025.046

GHADIYARAM D ， BOVIK A C . Perceptual quality prediction on authentically distorted images using a bag of features approach ［J］. Journal of Vision ， 2017 ， 17 （ 1 ）： 32 . doi: 10.1167/17.1.32 http://dx.doi.org/10.1167/17.1.32

HOSU V ， LIN H H ， SZIRANYI T ， et al . KonIQ-10k： an ecologically valid database for deep learning of blind image quality assessment ［J］. IEEE Transactions on Image Processing ， 2020 ， 29 ： 4041 - 4056 . doi: 10.1109/tip.2020.2967829 http://dx.doi.org/10.1109/tip.2020.2967829

SU S L ， YAN Q S ， ZHU Y ， et al . Blindly assess image quality in the wild guided by a self-adaptive hyper network ［C］// Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition . Seattle ： IEEE ， 2020 ： 3664 - 3673 . doi: 10.1109/cvpr42600.2020.00372 http://dx.doi.org/10.1109/cvpr42600.2020.00372

GAO M J ， SONG C Y ， ZHANG Q R ， et al . Research progress on color image quality assessment ［J］. Journal of Imaging ， 2025 ， 11 （ 9 ）： 307 . doi: 10.3390/jimaging11090307 http://dx.doi.org/10.3390/jimaging11090307

CHEN C F ， MO J D ， HOU J W ， et al . TOPIQ： a top-down approach from semantics to distortions for image quality assessment ［J］. IEEE Transactions on Image Processing ， 2024 ， 33 ： 2404 - 2418 . doi: 10.1109/tip.2024.3378466 http://dx.doi.org/10.1109/tip.2024.3378466

YU L . Multi-task feature enhancement network for no-reference image quality assessment ［J/OL］. arXiv 2024： 2411 . 07556 . doi: 10.1109/lsp.2025.3617421 http://dx.doi.org/10.1109/lsp.2025.3617421

CAMPBELL F W ， ROBSON J G . Application of Fourier analysis to the visibility of gratings ［J］. The Journal of Physiology ， 1968 ， 197 （ 3 ）： 551 - 566 . doi: 10.1113/jphysiol.1968.sp008574 http://dx.doi.org/10.1113/jphysiol.1968.sp008574

KE J J ， WANG Q F ， WANG Y L ， et al . MUSIQ： Multi-scale image quality transformer ［C］// Proceedings of the IEEE/CVF International Conference on Computer Vision . Montreal ： IEEE ， 2021 ： 5128 - 5137 . doi: 10.1109/iccv48922.2021.00510 http://dx.doi.org/10.1109/iccv48922.2021.00510

YANG S D ， WU T H ， SHI S W ， et al . MANIQA： Multi-dimension attention network for no-reference image quality assessment ［C］// Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition . New Orleans ： IEEE ， 2022 ： 1190 - 1199 . doi: 10.1109/cvprw56347.2022.00126 http://dx.doi.org/10.1109/cvprw56347.2022.00126

ZHAO K ， YUAN K ， SUN M ， et al . Quality-aware pretrained models for blind image quality assessment ［C］// Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition . Vancouver ： IEEE ， 2023 ： 22302 - 22313 . doi: 10.1109/cvpr52729.2023.02136 http://dx.doi.org/10.1109/cvpr52729.2023.02136

CHEN Z W ， QIN H N ， WANG J ， et al . PromptIQA： boosting the performance and generalization for no-reference image quality assessment via prompts ［C］// Proceedings of 18th European Conference on Computer Vision-ECCV 2024 . Milan ： Springer ， 2024 ： 247 - 264 . doi: 10.1007/978-3-031-73232-4_14 http://dx.doi.org/10.1007/978-3-031-73232-4_14

GOLESTANEH S A ， DADSETAN S ， KITANI K M . No-reference image quality assessment via transformers， relative ranking， and self-consistency ［C］// Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision . Waikoloa ： IEEE ， 2022 ： 3989 - 3999 . doi: 10.1109/wacv51458.2022.00404 http://dx.doi.org/10.1109/wacv51458.2022.00404

XU K M ， LIAO L ， XIAO J ， et al . Boosting image quality assessment through efficient transformer adaptation with local feature enhancement ［C］// Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition . Seattle ： IEEE ， 2024 ： 2662 - 2672 . doi: 10.1109/cvpr52733.2024.00257 http://dx.doi.org/10.1109/cvpr52733.2024.00257

MITTAL A ， MOORTHY A K ， BOVIK A C . No-reference image quality assessment in the spatial domain ［J］. IEEE Transactions on Image Processing ， 2012 ， 21 （ 12 ）： 4695 - 4708 . doi: 10.1109/tip.2012.2214050 http://dx.doi.org/10.1109/tip.2012.2214050

MITTAL A ， SOUNDARARAJAN R ， BOVIK A C . Making a “completely blind” image quality analyzer ［J］. IEEE Signal Processing Letters ， 2013 ， 20 （ 3 ）： 209 - 212 . doi: 10.1109/lsp.2012.2227726 http://dx.doi.org/10.1109/lsp.2012.2227726

ZHANG L ， ZHANG L ， BOVIK A C . A feature-enriched completely blind image quality evaluator ［J］. IEEE Transactions on Image Processing ， 2015 ， 24 （ 8 ）： 2579 - 2591 . doi: 10.1109/tip.2015.2426416 http://dx.doi.org/10.1109/tip.2015.2426416

李佳欣，段发阶，傅骁，等 . 基于纹理奇异值分解的全参考图像质量评价［J］. 光学精密工程， 2025 ， 33 （ 1 ）： 107 - 122 ． doi: 10.37188/ope.20253301.0107 http://dx.doi.org/10.37188/ope.20253301.0107

LI J X ， DUAN F J ， FU X ， et al . Full-reference image quality assessment based on texture singular value decomposition ［J］. Optics and Precision Engineering ， 2025 ， 33 （ 1 ）： 107 - 122 . （in Chinese） . doi: 10.37188/ope.20253301.0107 http://dx.doi.org/10.37188/ope.20253301.0107

陈纯毅，吴欣怡，胡小娟，等 . 多尺度注意力融合的图像超分辨率重建［J］. 中国光学（中英文）， 2023 ， 16 （ 5 ）： 1034 - 1044 ． doi: 10.37188/co.2023-0020 http://dx.doi.org/10.37188/co.2023-0020

CHEN C Y ， WU X Y ， HU X J ， et al . Image super-resolution reconstruction with multi-scale attention fusion ［J］. Chinese Optics ， 2023 ， 16 （ 5 ）： 1034 - 1044 . （in Chinese） . doi: 10.37188/co.2023-0020 http://dx.doi.org/10.37188/co.2023-0020

宋巍，李嘉瑾，刘晓晨，等 . 基于特征符号化和Transformer的无参考图像质量评价方法［J］. 液晶与显示， 2023 ， 38 （ 3 ）： 356 - 367 ． doi: 10.37188/cjlcd.2022-0220 http://dx.doi.org/10.37188/cjlcd.2022-0220

SONG W ， LI J J ， LIU X C ， et al . No-reference image quality assessment based on feature tokenizer and Transformer ［J］. Chinese Journal of Liquid Crystals and Displays ， 2023 ， 38 （ 3 ）： 356 - 367 . （in Chinese） . doi: 10.37188/cjlcd.2022-0220 http://dx.doi.org/10.37188/cjlcd.2022-0220

JI P ， WANG W J ， LV Z Y ， et al . No-reference image quality assessment via semantic-guided multi-scale feature extraction ［J］. IET Image Processing ， 2025 ， 19 （ 1 ）： e70221 . doi: 10.1049/ipr2.70221 http://dx.doi.org/10.1049/ipr2.70221

MOORTHY A K ， WANG Z ， BOVIK A C . Visual Perception and Quality Assessment ［M］. New Jersey ： John Wiley & Sons ， 2011 ： 419 - 439 . doi: 10.1002/9783527635245.ch19 http://dx.doi.org/10.1002/9783527635245.ch19

MOZHAEVA A ， CREE M J ， DURRANT R J ， et al . A contrast sensitivity model of the human visual system in modern conditions for presenting video content ［J］. PLoS One ， 2024 ， 19 （ 5 ）： e0303987 . doi: 10.1371/journal.pone.0303987 http://dx.doi.org/10.1371/journal.pone.0303987

姚军财，申静 . 基于图像画面信息及其视觉感知的无参考图像质量评价［J］. 光学精密工程， 2025 ， 33 （ 18 ）： 2944 - 2961 ． doi: 10.37188/ope.20253318.2944 http://dx.doi.org/10.37188/ope.20253318.2944

YAO J C ， SHEN J . No reference image quality assessment based on image tableau information and their visual perception ［J］. Optics and Precision Engineering ， 2025 ， 33 （ 18 ）： 2944 - 2961 . （in Chinese） . doi: 10.37188/ope.20253318.2944 http://dx.doi.org/10.37188/ope.20253318.2944

万照麟，刁奕宁，徐靖奇，等 . 基于视觉感知机制的全景图像质量评价［J］. 计算机辅助设计与图形学学报， 2026 ， 38 （ 3 ）： 444 - 454 ． doi: 10.3724/sp.j.1089.2025-00274 http://dx.doi.org/10.3724/sp.j.1089.2025-00274

WAN Z L ， DIAO Y N ， XU J Q ， et al . Panoramic image quality evaluation based on visual perception mechanism ［J］. Journal of Computer-Aided Design & Computer Graphics ， 2026 ， 38 （ 3 ）： 444 - 454 . （in Chinese） . doi: 10.3724/sp.j.1089.2025-00274 http://dx.doi.org/10.3724/sp.j.1089.2025-00274

周荣荣．基于细节增强与全局结构感知的图像修复方法研究及应用［D］．南宁：广西大学， 2025 ．

ZHOU R R . Research and application of image inpainting methods based on detail enhancement and global structure awareness ［D］. Nanning ： Guangxi University ， 2025 . （in Chinese）

郑博伟，李宗辉，陈锐彬，等 . 基于离散小波变换的细节增强的图像修复优化方法［J］. 信息技术与信息化， 2024 （ 6 ）： 46 - 51 ．

ZHENG B W ， LI Z H ， CHEN R B ， et al . Detail enhancement image inpainting optimization method based on discrete wavelet transform ［J］. Information Technology and Informatization ， 2024 （ 6 ）： 46 - 51 . （in Chinese）

万丙辰，张选德 . 基于元学习和失真感知的图像质量评价［J］. 液晶与显示， 2024 ， 39 （ 11 ）： 1519 - 1531 ． doi: 10.37188/cjlcd.2024-0141 http://dx.doi.org/10.37188/cjlcd.2024-0141

WAN B C ， ZHANG X D . Image quality assessment based on meta-learning and distortion perception ［J］. Chinese Journal of Liquid Crystals and Displays ， 2024 ， 39 （ 11 ）： 1519 - 1531 . （in Chinese） . doi: 10.37188/cjlcd.2024-0141 http://dx.doi.org/10.37188/cjlcd.2024-0141

LIU Z ， LIN Y T ， CAO Y ， et al . Swin transformer： hierarchical vision transformer using shifted windows ［C］// Proceedings of the IEEE/CVF International Conference on Computer Vision . Montreal ： IEEE ， 2021 ： 9992 - 10002 . doi: 10.1109/iccv48922.2021.00986 http://dx.doi.org/10.1109/iccv48922.2021.00986

ENGELKE U . Selective attention mechanisms for visual quality assessment ［J］. IEICE Transactions on Fundamentals of Electronics， Communications and Computer Sciences ， 2015 ， E98.A（ 8 ）： 1681 - 1688 . doi: 10.1587/transfun.e98.a.1681 http://dx.doi.org/10.1587/transfun.e98.a.1681

SHEIKH H R ， SABIR M F ， BOVIK A C . A statistical evaluation of recent full reference image quality assessment algorithms ［J］. IEEE Transactions on Image Processing ， 2006 ， 15 （ 11 ）： 3440 - 3451 . doi: 10.1109/tip.2006.881959 http://dx.doi.org/10.1109/tip.2006.881959

LARSON E C ， CHANDLER D M . Most apparent distortion： full-reference image quality assessment and the role of strategy ［J］. Journal of Electronic Imaging ， 2010 ， 19 （ 1 ）： 011006 . doi: 10.1117/1.3267105 http://dx.doi.org/10.1117/1.3267105

PONOMARENKO N ， JIN L N ， IEREMEIEV O ， et al . Image database TID2013： Peculiarities， results and perspectives ［J］. Signal Processing： Image Communication ， 2015 ， 30 ： 57 - 77 . doi: 10.1016/j.image.2014.10.009 http://dx.doi.org/10.1016/j.image.2014.10.009

GHADIYARAM D ， BOVIK A C . Massive online crowdsourced study of subjective and objective picture quality ［J］. IEEE Transactions on Image Processing ， 2016 ， 25 （ 1 ）： 372 - 387 . doi: 10.1109/tip.2015.2500021 http://dx.doi.org/10.1109/tip.2015.2500021

MOORTHY A K ， BOVIK A C . Blind image quality assessment： From natural scene statistics to perceptual quality ［J］. IEEE Transactions on Image Processing ， 2011 ， 20 （ 12 ）： 3350 - 3364 . doi: 10.1109/tip.2011.2147325 http://dx.doi.org/10.1109/tip.2011.2147325

YE P ， KUMAR J ， KANG L ， et al . Unsupervised feature learning framework for no-reference image quality assessment ［C］. 2012 IEEE Conference on Computer Vision and Pattern Recognition. Providence ： IEEE ， 2012 ： 1098 - 1105 . doi: 10.1109/cvpr.2012.6247789 http://dx.doi.org/10.1109/cvpr.2012.6247789

XU J T ， YE P ， LI Q H ， et al . Blind image quality assessment based on high order statistics aggregation ［J］. IEEE Transactions on Image Processing ， 2016 ， 25 （ 9 ）： 4444 - 4457 . doi: 10.1109/tip.2016.2585880 http://dx.doi.org/10.1109/tip.2016.2585880

MA K D ， LIU W T ， ZHANG K ， et al . End-to-end blind image quality assessment using deep neural networks ［J］. IEEE Transactions on Image Processing ， 2018 ， 27 （ 3 ）： 1202 - 1213 . doi: 10.1109/tip.2017.2774045 http://dx.doi.org/10.1109/tip.2017.2774045

BOSSE S ， MANIRY D ， MÜLLER K R ， et al . Deep neural networks for no-reference and full-reference image quality assessment ［J］. IEEE Transactions on Image Processing ， 2018 ， 27 （ 1 ）： 206 - 219 . doi: 10.1109/tip.2017.2760518 http://dx.doi.org/10.1109/tip.2017.2760518

YAN Q S ， GONG D ， ZHANG Y N . Two-stream convolutional networks for blind image quality assessment ［J］. IEEE Transactions on Image Processing ， 2019 ， 28 （ 5 ）： 2200 - 2211 . doi: 10.1109/tip.2018.2883741 http://dx.doi.org/10.1109/tip.2018.2883741

REN H Y ， CHEN D Q ， WANG Y Z . RAN4IQA： Restorative adversarial nets for no-reference image quality assessment ［C］// Proceedings of the Thirty-Second AAAI Conference on Artificial Intelligence . New Orleans ： AAAI Press ， 2018 ： 895 . doi: 10.1609/aaai.v32i1.12258 http://dx.doi.org/10.1609/aaai.v32i1.12258

YOU J ， KORHONEN J . Transformer for image quality assessment ［C］. 2021 IEEE International Conference on Image Processing （ICIP）. Anchorage ： IEEE ， 2021 ： 1389 - 1393 . doi: 10.1109/icip42928.2021.9506075 http://dx.doi.org/10.1109/icip42928.2021.9506075

ZHU H C ， LI L D ， WU J J ， et al . MetaIQA： Deep meta-learning for no-reference image quality assessment ［C］// Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition . Seattle ： IEEE ， 2020 ： 14131 - 14140 . doi: 10.1109/cvpr42600.2020.01415 http://dx.doi.org/10.1109/cvpr42600.2020.01415

WU J J ， MA J P ， LIANG F H ， et al . End-to-end blind image quality prediction with cascaded deep neural network ［J］. IEEE Transactions on Image Processing ， 2020 ， 29 ： 7414 - 7426 . doi: 10.1109/tip.2020.3002478 http://dx.doi.org/10.1109/tip.2020.3002478

LI F ， ZHANG Y F ， COSMAN P C . MMMNet： an end-to-end multi-task deep convolution neural network with multi-scale and multi-hierarchy fusion for blind image quality assessment ［J］. IEEE Transactions on Circuits and Systems for Video Technology ， 2021 ， 31 （ 12 ）： 4798 - 4811 . doi: 10.1109/tcsvt.2021.3055197 http://dx.doi.org/10.1109/tcsvt.2021.3055197

PAN Z Q ， YUAN F ， LEI J J ， et al . VCRNet： visual compensation restoration network for no-reference image quality assessment ［J］. IEEE Transactions on Image Processing ， 2022 ， 31 ： 1613 - 1627 . doi: 10.1109/tip.2022.3144892 http://dx.doi.org/10.1109/tip.2022.3144892

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Frequency-aware no-reference image quality assessment method guided by human visual system characteristics

Lightweight detection of foreign objects on road surfaces in challenging driving environments

Lightweight image super-resolution reconstruction based on high frequency fusion attention

Conductive particle target detection algorithm based on improved YOLO11n

Efficient siamese single object tracking based on hybrid feature fusion

Related Author

GAO Minjuan

LI Yankang

SONG Chenye

ZHANG Chuanwei

SHANG Zhaobin

ZHANG Jiale

XU Jing

YAO Hao

Related Institution

School of Computer Science and Technology， Taiyuan Normal University， Jinzhong City

Shaanxi College of Communications Technology， Xi′an

School of Mechanical Engineering， Xi′an University of Science and Technology， Xi′an

University of Chinese Academy of Sciences

Xi'an Institute of Optics and Precision Mechanics， Chinese Academy of Sciences

AI问答

Address：No.3888 Dong Nanhu Road, Changchun, Jilin, China 130033 Postal code：130033
Tel：0431-86176059 Email：yjxs@ciomp.ac.cn
Technical support is provided by Beijing Founder electronics co., LTD 吉ICP备11002662号-17 京公网安备11010802024621
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.

⁰