王保全. 基于混合专家模型的快速图像超分辨率方法研究与实现[D]. 2015.
PSNR 和SSIM 在有时候并不能很确切的表示图像质量 标准，该论文中根据一定量的人为的感知评分作为参考，用斯皮尔曼等级相关 系数来验证各个图像质量评价指标的有效性，目标是找到更符合人眼观察的图 像质量评价标准。除了 PSNR 和 SSIM ，该论文还对比了其他几个图像质量评价标准：
信息保真度(Information Fidelity Criterion ，IFC)[43] 、
多尺度结构相似度 (Multi-scale Structure Similarity Index ，MSSIM)[44] 、
噪声质量评价(Noise Quality Measure ，NQM)[45] 、
全局质量评价(Universal Quality Index ，UQI)[46] ，
加权峰值信噪比(Weighted Peak Signal-to-noise Ratio ，WPSNR) 、
视觉信息保真度(Visual Information Fidelity ，VIF)[47] 。
其中，IFC 指标是通过用多尺度高斯混合模型 (Gaussian Scale Mixtures)对自然图像进行统计得到的，用来度量信息损失程度， 主要针对的是高频信息的波形特征，而不是人眼不敏感的低频信息。经过实验 发现， IFC 指标和人眼感知结果最为接近，其次是NQM 指标。
在超分辨率重建中，为了更好的反映重建图像质量的好坏，除了常用的图像恢复质量标准 PSNR 和 SSIM 之外，还应用了 IFC、 NQM （Noise Quality Measure）、WPSNR （Weighted Peak Signal-to-noise Ratio）、MSSSIM （Multi-Scale Structure Similarity Index）和 SAM （Spectral Angle Match）的评价标准，这些都是目前常用的对图像信息恢复质量好坏的评价标准。它们的数值越高，一般而言，代表图像恢复的质量越高。
基于卷积神经网络的高光谱图像信息恢复技术研究 - 道客巴巴 http://www.doc88.com/p-7768661377035.html
SRCNN中：
测试集。Set5（5张影像）、Set14（14张影像）和BSD200（200张影像）被用来评估upscaling为2,3,4时的表现。
评估矩阵。除了被广泛使用的PSNR和SSIM指标，我们同样采用了另外的四个评估矩阵，叫做IFC，噪声质量测量NQM，权值点信号噪声比例WPSNR和多尺度结构相似性指标MSSSIM,正如【44】中所述的，它和人类的感知分数高度相关。
【其他】
图像质量评价概述（评估指标、传统检测方法） - qq_23304241的博客 - CSDN博客 https://blog.csdn.net/qq_23304241/article/details/80953613
NQM (Noise Quality Measure)
Image Quality Assessment Based on a Degradation Model http://users.ece.utexas.edu/~bevans/papers/2000/imageQuality/index.html