FSIM（Feature Similarity Index）是一种全参考图像质量评估（IQA）方法，它基于人类视觉系统（HVS）的特性，利用图像的底层特征来评估图像质量。
FSIM算法来自2011年一篇高引用论文{ FSIM: A Feature SIMilarity Index for Image Quality Assessment }；SSIM算法一经提出引来了很多人的研究，并在其上进行了一些列的变种，其中一种比较成功的算法就是FSIM。
该篇论文提出了一种新颖的特征相似性（FSIM）指数，用于全参考图像质量评估（full reference IQA）。FSIM指数基于这样一个事实：人类视觉系统主要根据图像的低层次特征来理解图像。具体来说，相位一致性（PC） 作为一种无维度的局部结构重要性度量，被用作FSIM中的主要特征。由于相位一致性对对比度变化具有不变性，而对比度信息确实会影响人类视觉系统对图像质量的感知，因此图像梯度幅度（GM） 被用作FSIM中的次要特征。PC和GM在表征图像局部质量方面发挥着互补作用。
在计算出局部质量图之后，PC再次被用作权重函数，以派生出一个单一的质量分数。通过在六个基准图像质量评估数据库上进行的广泛实验表明，FSIM与主观评价的一致性比现有的最先进的IQA度量指标要高得多。
FSIM的关键贡献在于其对人类视觉感知的模拟，通过结合相位一致性和梯度幅度这两种特征，更全面地评估图像质量。这种方法在图像质量评估领域是一个重要的补充，它提供了一种更符合人类视觉