动机：作者认为，基于块的压缩会产生一种伪结构（pseudo structures），并且不同程度压缩产生的伪结构具有一定的相似性。那么，我们就可以通过检测伪结构相似性，来评估压缩图像质量。

检测方法：将压缩图像进行最大程度压缩，得到most distorted image（MDI）；然后再计算压缩前后的相似性，即pseudo structural similarity（PSS）。如果压缩图像本身质量很差，那么相似度就会很高。

意义：该方法不仅对于自然压缩图像很有效，而且对screen content image（SCI）也很有效。

本文考虑JPEG压缩图像。

【本文似乎主要考虑块效应，因为作者强调伪结构出现在块边缘。其实还有块内模糊可以考虑】

1. 技术细节

1.1 得到MDI

首先，PSS的意义在于利用了质量坐标的另一个方向，从而实现盲IQA：

具体而言，MDI是通过MATLAB的imwrite函数，设置质量为0压缩得到的。

[14]指出：自然图像中的角（corner）分布是不规律的。但对于JPEG压缩图像，角就变得规律了。这是因为压缩引入了大量伪角，且主要集中在块边缘。[14]就是用规律的角的占比，来刻画压缩失真程度。

本文的判别方式简单粗暴【但不准确】：只要检测到的角分布在\(8 \times 8\)边缘上，那么就被判定为伪结构；否则就判定为正常结构。这样，我们就能得到一个伪结构图：

可以从图中看到，但压缩越剧烈、质量越差时，压缩图像和MDI重合的伪结构就越多（红色代表重合点）。

检测角的方法借助[17]。

进一步，PSS就是重合伪结构的数目除以 MDI中伪结构的数目。

实验效果不是最佳的，只是和SOTA方法[7]不相上下。注意，在SCI上测试同样不错。

此外，作者还将这种思路用于检测一般失真。做法是：在一些基于特征的NR方法基础上，将PSS作为一个新的特征。从表2可以看出，PSS特征通常能显著改善基于特征的NR方法的性能。