psnr ssim图像评价指标解释

r囧r小猫 2022-08-08 05:28 230阅读 0赞

全参考客观视频质量评价方法是指把原始参考视频与失真视频在每一个对应帧中的每一个对应像素之问进行比较。准确的讲，这种方法得到的并不是真正的视频质量，而是失真视频相对于原始视频的相似程度或保真程度。最简单的方法如均方误差MSE和峰值信噪比PSNR，其应用比较广泛。  
最常见的全参考视频质量评价方法有以下三种：

(1) 均方误差MSE

![Center][]

其中，fij，f'ij分别代表原始参考视频对应帧和失真视频对应帧，M,N分别表示视频帧的高和宽。

(2) 峰值信噪比PSNR

![Center 1][]

PSNR本质上与MSE相同，是MSE的对数表示。

(3) 基于结构失真的SSIM评估方法

![Center 2][]

SSIM模型旨在比较参考和受损信号的结构信息，研究感知结构的损伤，而不是感知误差。上节中基于HVS的模型，采用自底向上的方法，模拟人类视觉系统中每个与质量感知相关的器官的功能，然后将每个部分联结起来实现评价模型，而SSIM是一种自顶向下的方法，模拟的是HVS整体的功能。

SSIM = Structural SIMilarity（结构相似性），这是一种用来评测图像质量的一种方法。由于人类视觉很容易从图像中抽取出结构信息,因此计算两幅图像结构信息的相似性就可以用来作为一种检测图像质量的好坏.

首先结构信息不应该受到照明的影响,因此在计算结构信息时需要去掉亮度信息,即需要减掉图像的均值;其次结构信息不应该受到图像对比度的影响,因此计算结构信息时需要归一化图像的方差;最后我们就可以对图像求取结构信息了,通常我们可以简单地计算一下这两幅处理后的图像的相关系数.

然而图像质量的好坏也受到亮度信息和对比度信息的制约,因此在计算图像质量好坏时,在考虑结构信息的同时也需要考虑这两者的影响.通常使用的计算方法如下,其中C1,C2,C3用来增加计算结果的稳定性:

2u(x)u(y) + C1

L(X,Y) = ------------------------ ,u(x), u(y)为图像的均值

u(x)^2  \+ u(y)^2 + C1

2d(x)d(y) + C2

C(X,Y) = ------------------------,d(x),d(y)为图像的方差

d(x)^2 + d(y)^2 + C2

d(x,y) + C3

S(X,Y) = ----------------------,d(x,y)为图像x,y的协方差

d(x)d(y) + C3

而图像质量Q = \[L(X,Y)^a\] x \[C(X,Y)^b\] x \[S(X,Y)^c\]，其中a，b，c分别用来控制三个要素的重要性，为了计算方便可以均选择为1，C1，C2，C3为比较小的数值，通常C1=(K1 x L)^2, C2=(K2 xL)^2, C3 = C2/2, K1 << 1, K2 << 1, L为像素的最大值(通常为255).

http://nma.web.nitech.ac.jp/fukushima/opencv/ssim/ssim-e.html

[Center]: /images/20220805/d5862e3d55154f87937cd76ada705b0d.png
[Center 1]: /images/20220805/d897285454de44bdad5be3da7b6f3339.png
[Center 2]: /images/20220805/84dfe7650e014f65b13e2128fcdbcb72.png