图像质量评价(四):SSIM和MSSIM
图像质量评价(四):SSIM和MSSIM
SSIM
SSIM是一个广泛使用的图像质量评价指标,它是基于人眼观看图像时会提取其中的结构化信息的假设。
SSIM是一种全参考的评价方法,对于图像x和图像y,其SSIM计算方式如下:
上式中l(x,y)是用均值来估计亮度,c(x,y)是用方差估计对比度,s(x,y)是用协方差估计结构相似度。
所以SSIM定义为:
可以看出SSIM满足以下性质:
对称性:SSIM(x,y)=SSIM(y,x)
有界性:SSIM(x,y) <= 1
SSIM(x,y)=1当且仅当x和y完全相同。
MSSIM
上面介绍的单尺度SSIM需要在特定的配置下才能表现良好,而MSSIM对不同分辨率的图像都能保持性能稳定。
MSSIM的流程如上图所示。将参考图像和失真图像作为输入,然后分别依次迭代的使用低通滤波器和1/2降采样。假设原始图像为Scale 1,最高尺度为Scale M经过M-1次迭代得到。对于第j个尺度,只计算对比度c(x,y)和结构相似度s(x,y)。仅在Scale M计算亮度相似度l(x,y)。如上图所示。
最终的SSIM是将各个尺度的结果连接起来:
alpha,beta,gamma用于调整各个分量的权重。为了简化,通常令:
跨尺度校准
对于MSSIM一般对每个尺度令alpha=beta,那么如何选择不同尺度的alpha和beta参数(即确定不同scale的相对权重)?
上图中,每一行的MSE都相同,每一列的scale都相同。对于给定的8bit灰度图像,我们可以合成上面的失真图像表。这里有5个scale,12个失真水平,共60幅图像。可以看到每行的MSE都相同,但是它们的感知质量却差别很大,这说明不同尺度的失真对感知质量的影响不同。
我们使用10幅不同内容的(人脸、自然风景、植物、人造物体等)64x64的图像,构建了10个上面的失真表(共600幅失真图像)。有8个受试者,观测距离固定为每度观测视角32个像素距离。每个人依次看10组图像,对不同尺度的图像进行比较,每个尺度选择出一幅他们认为质量相同的图像。例如上图中标红的5幅图像,观测者认为它们质量相同。每个人选择的结果会被记录,平均计算得到最终测试结果,对测试结果计算得到:
实验结果
在八个数据集上测试MSSIM的表现结果:
Database | Results | Nonlinear fitting code | SROCC | KROCC | PLCC | RMSE |
---|---|---|---|---|---|---|
TID2013 | MSSSIMOnTID2013 | NonlinearFittingTID2013 | 0.7859 | 0.6047 | 0.8329 | 0.6861 |
TID2008 | MSSSIMOnTID | NonlinearFittingTID | 0.8542 | 0.6568 | 0.8451 | 0.7173 |
CSIQ | MSSSIMOnCSIQ | NonlinearFittingCSIQ | 0.9133 | 0.7393 | 0.8991 | 0.1149 |
LIVE | MSSSIMOnLIVE | NonlinearFittingLIVE | 0.9513 | 0.8045 | 0.9489 | 8.6188 |
IVC | MSSSIMOnIVC | NonlinearFittingIVC | 0.8980 | 0.7203 | 0.9108 | 0.5029 |
Toyama-MICT | MSSSIMOnMICT | NonlinearFittingMICT | 0.8874 | 0.7029 | 0.8927 | 0.5640 |
A57 | MSSSIMOnA57 | NonlinearFittingA57 | 0.8414 | 0.6478 | 0.8603 | 0.1253 |
WIQ | MSSSIMOnWIQ | NonlinearFittingWIQ | 0.7495 | 0.5740 | 0.8095 | 13.4486 |
Weighted-Average |
参考
《Multi-scale structural similarity for image quality assessment》
https://sse.tongji.edu.cn/linzhang/IQA/Evalution_MS_SSIM/eva-MS-SSIM.htm
感兴趣的请关注微信公众号Video Coding
图像质量评价(四):SSIM和MSSIM相关推荐
- 医学图像质量评价方法SSIM
医学图像质量评价中的梯度加权SSIM探说 来源:http://pklunwen.com/ 摘要:Zhou Wang等人提出了著名的图像客观质量评价方法:结构相似度(SSIM),其理论基础是人眼视觉系统 ...
- python图像质量评价_OpenCV图像质量评价的SSIM算法(图像相似度)
添加函数体.将SSIM函数添加至命名空间后.该函数主要功能是时哟功能ssim算法对两张图像进行比较,并将图像在各通道比较的结果以scalar形式返回. Scalar getMSSIM(char * i ...
- 怎么去除图像亮度对图像质量评价的影响_图像质量评估指标 SSIM / PSNR / MSE
Visibility of Errors 计算图像degrade后的质量,最 direct 的思路即比较degrade后的图像与真实图像(distortion-free)之间的差剖面,即可视误差,通过 ...
- 图像质量评价方法PSNR+SSIM评估指标SROCC,PLCC
图像质量评价方法PSNR+SSIM&&评估指标SROCC,PLCC ssim的计算里面有高斯模糊,为了快速计算,先对每个小块进行计算,然后计算所有块的平均值.可以参考源代码实现,而且代 ...
- 图像融合质量评价方法SSIM、PSNR、EN、MSE与NRMSE(一)
文章目录 1 前言 2 融合评价指标介绍 2.1 结构相似性 SSIM 2.2 峰值信噪比 PSNR 2.3 信息熵 Entropy 2.4 均方误差 MSE 2.5 归一化均方根误差 NRMSE 3 ...
- 图像质量评价(Image Quality Assessment,IQA)
这篇blog是我记录自己开始做科研的一些笔记.多是从论文和各种博客的集合,偶有一些自己的思考和想法.由于网上相关图像质量评估的整理资料相对较少,如果能帮到看到这篇文章的你,那真是非常棒!会持续更新补全 ...
- 图像质量评价matlab实现(含代码)
这篇是上两篇的一个延续吧,对偏振HSI伪彩色图像融合增强效果的一个评价 代码里面包含了很多种评价方式,附带一个评价说明,链接如下: 图像质量评价指标(全),可结合blog-机器学习文档类资源-CSDN ...
- 综合评价模型的缺点_视频/图像质量评价综述(一)
1. 概述 视频/图像质量评价(Video/Image Quality Assessment)是指通过主客观的方式对两幅主体内容相同的图像信息的变化与失真进行感知.衡量与评价. 视频/图像质量评价包括 ...
- 【机器学习】 - 关于图像质量评价IQA(Image Quality Assessment)
图像质量评价(Image Quality Assessment,IQA)是图像处理中的基本技术之一,主要通过对图像进行特性分析研究,然后评估出图像优劣(图像失真程度). 主要的目的是使用合适的评价指标 ...
最新文章
- oracle preparedstatement,【JDBC】java PreparedStatement操作oracle数据库
- pandas把多个列相加求和、输出字母a-z
- java设计模式6--适配器模式(Adapter )
- vm_comcat报错 - 数字或值错误 : 字符串缓冲区太小
- mysql 百度地图插件_GitHub - huizhong/grafana-baidumap-panel: Grafana 百度地图插件
- powerbi视觉对象_Power BI 视觉对象词云WordCloud
- Python Flask Web 第一课 —— 基本概念和程序的基本结构
- 回来bool的函数无return时返回true还是false
- bzoj3275: Number
- PHP爬虫微博某个话题的所有内容,GitHub - wansho/sina_weibo_crawl: 爬取新浪微博某一话题的数据,可以替代微博搜索接口...
- 自适应滤波器(E 题 本科组)--2017 年全国大学生电子设计竞赛试题
- 2019测试指南-web应用程序安全测试(二)指纹Web应用程序
- 将DVD中的VOB文件无损转换为MP4等常用视频格式的方法
- C++中重载和重写的区别
- OpenCV计算机视觉(二) —— 图像的算数运算与逻辑运算
- 动态代理的好处是什么
- django建立个人网站(5图文识别以及聊天机器人)
- springboot操作ES之ElasticSearch_EasyEs
- Android 13.0 SystemUI 启动流程
- nas服务器系列,机架式nas新选择 篇一:小型存储服务器硬件挑选