图像质量评价总结1

1. 均方误差MSE(MSE, Mean Squared Error)和峰值信噪比PSNR(PSNR, Peak Signal-to-noise Ratio)，传统的SNR

这是衡量图像质量最常用的算法，是全参考型的图像质量评价手段，对尺寸为M、N的图像f(m，n)，MSE与PSNR定义为：

1MMSE＝ MNi＝1Nj＝1(fij－fij')2

2552PSNR＝10log()

MSE传统的SNR：

fij2i,j SNR(db)10log102'2ffijiji,j其中fij、fij'分别表示原始图像和恢复图像，M，N分别表示图像的高与宽。MSE越小，PSNR越大，SNR越大，图像质量效果越好。

(mse_psnr.m)—SNR没有写，因为也比较简单

2. WPSNR(考虑到人眼对比敏感函数影响的峰值信噪比评价)

相比常用的PSNR而言，考虑到HVS(human visual sytem)的影响。

x(m,n)ki(m,n)1/2.2 Weber-Fechner亮度敏感性定律。

图像的对比调整为：e(m,n)x(m,n)x(m,n)

人眼对比敏感函数与空间频率域的加权

利用CSF(contrast sensitivity function)函数，空间频率响应近似为

S(w)1.5e2w2/2e22w2

这里2 wcycles/degree。

2f fu2v2，u与v为水平和竖直方向的空间频率，单位为60Sa(u,v)S(w)O(w,)1e(wwo)cos42O(w,)1e(wwo)tan1(v/u)

ew(m,n)

是e(m,n)经过

1mean(e)2wSa(u,v))

滤波的结果。

WPSNR = 20log(10Mean代表取均值。

(Wpsnr.m)

3. 基于结构类似性(SSIM: Structural Similarity)的图像质量评价

这种结构相似性度量将图像划分为3个成分的比较：1 )亮度；2 )对比度；3 )结构。

x与y分别对应原图和待评价图， u代表均值，代表方差或协方差。

l(x,y)代表亮度 (luminance)：

l(x,y)＝μ2μxμy+C1x22+μy2+C1, C1＝(K1L)

c(x,y)代表对比(contrast)：

c(x,y)＝σ2σxσy+C2x2+σy22C＝(KL), 22+C2s(x,y)代表结构(structure)：

s(x,y)＝σσ+C, C3＝(K3L)2

xy3σxy+C3SSIM(x,y)＝[l(x,y)]α[c(x,y)]β[s(x,y)]γ

Ci的设定是为了克服(μx2+μy2)在接近于0时候的病态问题,其中K为常数(K<<1)，L为灰度值范围。其值越大待评价图像质量越好。

信号x 亮度测量 ＋ － 对比度测量 亮度分量结构分量整合 对比分量信号y 亮度测量 － ＋ 对比度测量 结构相似性(SSIM)度量系统框图

(ssim_index.m)

结构相似性评 价