图像质量和美学评估是计算机视觉领域中热点的研究问题，并且极具应用前景，可与众多实际应用深度结合。评价一张图片，主要从两个方向，一个是图像的质量，如像素、清晰度、有无噪声等，一个是图像的感觉，也就是美学，如构图、颜色、内容主体等。通过这两个方面就可以评价一张图片的好坏，通过计算机视觉算法，可以为图片自动评分，得分高的图片被认为较好，可以用于推荐和搜索等应用场景。本文主要聊聊一些关于图像质量和美学评估的数据集，是一篇综述类文章。

数据集在算法研发中至关重要，就像赛车比赛的赛道，好的车手，不仅要有优秀的车技，也需要对于赛道拥有绝对的理解，不同路况如何开好车。

其中，图像质量评价和图像美观评价的相关数据集，如下：

其中TID2013的网站可能无法访问。

Image database TID2013: Peculiarities, results and perspectives

TID，即TAMPERE IMAGE DATABASE，Tampere来自于Tampere University of Technology。TID2013是用于全参考图像质量的视觉评价， 主要是评价图像质量评价模型与平均人类感知的匹配。例如，在TID2013中， PSNR（峰值信噪比）和平均人类感知（MOS，平均意见得分）的Spearman相关系数是0.69。

TIP2013是TIP2008的升级版本，包括25幅参考图像，3000幅失真图像，即25参考图像X24种失真×5失真水平。失真类型有24种，增加了包括：改变色彩饱和度、多重高斯噪声、舒适噪声、有损压缩、彩色图像量化、色差以及稀疏采样。

数据集包括：

全部图像都以Bitmap格式，保存在数据库中，无需任何压缩。

文件命名iXX_YY_Z.bmp：第1位是图像编号、第2位是失真类型、第3位是失真等级。例如，"i03_08_4.bmp"意味着第3号图像、第8种失真类型、第4级失真。

失真类型（Types of distortion）：

具体效果：

MOS（Mean Opinion Score），平均主观意见分，三个评分文件：

该数据库的DMOS值由971观察者给出524340个数据统计得到，较高的MOS值，对应较高的图像视觉质量，分数范围0~9分。还有一些包含TID2008图像计算的一些质量指标的值。所有图像都以Bitmap格式保存在数据库中，没有任何压缩。

MOS是来自5个国家的观察员，进行的971次实验的结果，即：芬兰，法国，意大利，乌克兰和美国。

971个观察者：

LIVE，即Laboratory for Image & Video Engineering，图像视频工程库，由德克萨斯大学奥斯汀分校（The University of Texas at Austin）提供。LIVE提供多个图像和视频质量评估的数据库，参考。

图像和视频处理领域，通常处理用于需要用户消费的信息，例如网络上的图像或视频。在呈现给用户之前，图像或视频可能经历许多处理阶段，并且每个处理阶段可能引入可能降低最终显示质量的失真。例如，图像和视频由相机设备获取，这可能由于光学，传感器噪声，颜色校准，曝光控制，相机运动等而引入失真。在获取之后，图像或视频可以进一步通过压缩算法来处理，该算法减少了存储或传输的带宽要求。这种压缩算法通常被设计为通过使信号发生某些失真来实现更大的带宽节省。同样的，在通过信道传输图像时发生的比特错误或者在存储图像时（很少）发生比特错误也会引入失真。最后，用于渲染最终输出的显示设备可能会引入一些自身的失真，例如低再现分辨率，不良校准等。每个阶段可能添加的失真量主要取决于经济或设备的物理限制。

人们显然对能够测量图像或视频的质量，以及衡量在不同阶段，添加到失真感兴趣。确定图像或视频质量的一种显而易见的方法是征求人类观察者的意见。毕竟，这些信号是供人类消费的。然而，这种方法不可行，不仅是因为“外面”的图像和视频的剪切数较大量，而且，因为我们希望能够将质量测量技术嵌入到处理图像和视频的算法中，因此对于给定的一组资源，算法输出能力，可以最大化。

客观的图像质量评估，所研究的目标是开发能够自动预测感知图像质量的定量测量。一般而言，客观图像质量度量可以在广泛的应用中发挥重要作用，例如图像采集、压缩、通信、显示、打印、恢复、增强、分析和水印。具体：

简而言之，客观质量测量（与人类观察者的主观质量评估相反）旨在通过算法确定图像或视频的质量。客观质量评估（QA）研究的目标是设计算法，其质量预测与人类观察者的主观评分一致。

图像和视频QA算法可分为三大类：

LIVE含有两个图像质量评估的数据集：

数据集：链接

图像和视频评估的简介，参考Image & Video Quality Assessment at LIVE。

图像和视频质量评估，研究强烈依赖于主观实验来提供校准数据以及测试机制。毕竟，所有的QA研究的目标是使质量预测，是在协议与人类观察者的主观意见。为了校准QA算法并测试算法的性能，需要一组质量已由人类受试者排序的图像和视频的数据集。可以在该数据集的一部分上训练QA算法，并在其余部分上进行测试。在LIVE中，进行了一项广泛的实验，以获得人类受试者对许多扭曲不同扭曲类型的图像的分数。获得这些图像是为了支持关于通用形状匹配和识别的研究项目。

图像质量评估数据集，链接，29张图片，5种失真类型：

DMOS：Difference Mean Opinion Score (DMOS)

图像质量评价可以分为主观评价方法和客观评价方法，主观评价由观察者对图像质量进行主观评分， 一般采用：

数据集中包含两个文件：

其中dmos.mat，得分越高，质量越差：

其中refnames_all.mat：