兩種常用的參考圖像質(zhì)量評(píng)價(jià)指標(biāo)——超分辨率(五)

兩種常用的參考圖像質(zhì)量評(píng)價(jià)指標(biāo)

  1. PSNR(Peak Signal to Noise Ratio)峰值信噪比:

峰值信噪比(PSNR)是一個(gè)表示信號(hào)最大可能功率和影響它的表示精度的破壞性噪聲功率的比值的工程術(shù)語(yǔ)。由于許多信號(hào)都有非常寬的動(dòng)態(tài)范圍,峰值信噪比常用對(duì)數(shù)分貝單位來(lái)表示。

PSNR是最普遍和使用最為廣泛的一種圖像客觀評(píng)價(jià)指標(biāo),然而它是基于對(duì)應(yīng)像素點(diǎn)間的誤差资柔,即基于誤差敏感的圖像質(zhì)量評(píng)價(jià)。由于并未考慮到人眼的視覺(jué)特性(人眼對(duì)空間頻率較低的對(duì)比差異敏感度較高,人眼對(duì)亮度對(duì)比差異的敏感度較色度高仅炊,人眼對(duì)一個(gè)區(qū)域的感知結(jié)果會(huì)受到其周?chē)徑鼌^(qū)域的影響等),因而經(jīng)常出現(xiàn)評(píng)價(jià)結(jié)果與人的主觀感覺(jué)不一致的情況澎蛛。

MSE 表示當(dāng)前圖像X和參考圖像Y的均方誤差(Mean Square Error)抚垄,H、W分別為圖像的高度和寬度谋逻;
M S E=\frac{1}{H \times W} \sum_{i=1}^{H} \sum_{j=1}^{W}(X(i, j)-Y(i, j))^{2}
PSNR的單位是dB呆馁,數(shù)值越大表示失真越小。n為每像素的比特?cái)?shù)毁兆,一般的灰度圖像取8浙滤,即像素灰階數(shù)為256.

P S N R=10 \log _{10}\left(\frac{\left(2^{n}-1\right)^{2}}{M S E}\right)

一般地,針對(duì) uint8 數(shù)據(jù)气堕,最大像素值為 255,纺腊;針對(duì)浮點(diǎn)型數(shù)據(jù)畔咧,最大像素值為 1。

上面是針對(duì)灰度圖像的計(jì)算方法揖膜,如果是彩色圖像誓沸,通常有三種方法來(lái)計(jì)算。

  • 分別計(jì)算 RGB 三個(gè)通道的 PSNR壹粟,然后取平均值拜隧。
  • 計(jì)算 RGB 三通道的 MSE ,然后再除以 3 煮寡。
  • 將圖片轉(zhuǎn)化為 YCbCr 格式虹蓄,然后只計(jì)算 Y 分量也就是亮度分量的 PSNR。
    其中幸撕,第二和第三種方法比較常見(jiàn)薇组。
    針對(duì)超光譜圖像,我們需要針對(duì)不同波段分別計(jì)算 PSNR坐儿,然后取平均值律胀,這個(gè)指標(biāo)稱(chēng)為 MPSNR。
  1. SSIM(Structural Similarity)結(jié)構(gòu)相似性:
    \mu_{X}, \mu_{Y}分別表示圖像X和Y的均值貌矿,\sigma_{X}, \sigma_{Y}分別表示圖像X和Y的方差炭菌,\sigma_{X Y}表示圖像X和Y的協(xié)方差,即
    \mu_{X}=\frac{1}{H \times W} \sum_{i=1}^{H} \sum_{j=1}^{W} X(i, j)
    \sigma_{X}=\left(\frac{1}{H \times W-1} \sum_{i=1}^{H} \sum_{j=1}^{W}\left(X(i, j)-\mu_{X}\right)^{2}\right)^{\frac{1}{2}}
    \sigma_{X Y}=\frac{1}{H \times W-1} \sum_{i=1}^{H} \sum_{j=1}^{W}\left(X(i, j)-\mu_{X}\right)\left(Y(i, j)-\mu_{Y}\right)

SSIM分別從 亮度逛漫、對(duì)比度黑低、結(jié)構(gòu) 三方面度量圖像相似性。
l(X, Y)=\frac{2 \mu_{X} \mu_{Y}+C_{1}}{\mu_{X}^{2}+\mu_{Y}^{2}+C_{1}}

c(X, Y)=\frac{2 \sigma_{X} \sigma_{Y}+C_{2}}{\sigma_{X}^{2}+\sigma_{Y}^{2}+C_{2}}

s(X, Y)=\frac{\sigma_{X Y}+C_{3}}{\sigma_{X} \sigma_{Y}+C_{3}}

C_{1}, C_{2}, C_{3}為常數(shù)酌毡,為了避免分母為0的情況克握,通常取C 1=(K 1 * L)^{2}, C 2=(K 2 * L)^{2}, C 3=\frac{C_{2}}{2}, 一般地K1=0.01, K2=0.03, L=255. 則
\operatorname{SSIM}(X, Y)=l(X, Y) * c(X, Y) * s(X, Y)

SSIM取值范圍[0,1],值越大枷踏,表示圖像失真越小.
SSIM的特殊形式如下:

S S I M(X, Y)=\frac{\left(2 \mu_{X} \mu_{Y}+C_{1}\right)\left(2 \sigma_{X Y}+C_{2}\right)}{\left(\mu_{X}^{2}+\mu_{Y}^{2}+C_{1}\right)\left(\sigma_{X}^{2}+\sigma_{Y}^{2}+C_{2}\right)}

MSSIM(Mean Structural Similarity )平均結(jié)構(gòu)相似性
在實(shí)際應(yīng)用中菩暗,可以利用滑動(dòng)窗將圖像分塊,令分塊總數(shù)為N旭蠕,考慮到窗口形狀對(duì)分塊的影響停团,采用加權(quán)計(jì)算每一窗口的均值、方差以及協(xié)方差掏熬,權(quán)值w_{i j}滿足\sum_{i} \sum_{j} w_{i j}=1,通常采用高斯核佑稠,然后計(jì)算對(duì)應(yīng)塊的結(jié)構(gòu)相似度SSIM,最后將平均值作為兩圖像的結(jié)構(gòu)相似性度量孽江,即平均結(jié)構(gòu)相似性MSSIM:
\mu_{X}=\sum_{i=1}^{H} \sum_{j=1}^{W} w_{i j} X(i, j)

\sigma_{X}=\left(\sum_{i=1}^{H} \sum_{j=1}^{W} w_{i j}\left(X(i, j)-\mu_{X}\right)\right)^{\frac{1}{2}}

\sigma_{X Y}=\sum_{i=1}^{H} \sum_{j=1}^{W} w_{i j}\left(X(i, j)-\mu_{X}\right)\left(Y(i, j)-\mu_{Y}\right)

\operatorname{MSSIM}=\frac{1}{N} \sum_{k=1}^{N} \operatorname{SSIM}\left(x_{k}, y_{k}\right)

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末讶坯,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子岗屏,更是在濱河造成了極大的恐慌辆琅,老刑警劉巖漱办,帶你破解...
    沈念sama閱讀 206,126評(píng)論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異婉烟,居然都是意外死亡娩井,警方通過(guò)查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,254評(píng)論 2 382
  • 文/潘曉璐 我一進(jìn)店門(mén)似袁,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)洞辣,“玉大人,你說(shuō)我怎么就攤上這事昙衅⊙锼” “怎么了?”我有些...
    開(kāi)封第一講書(shū)人閱讀 152,445評(píng)論 0 341
  • 文/不壞的土叔 我叫張陵而涉,是天一觀的道長(zhǎng)著瓶。 經(jīng)常有香客問(wèn)我,道長(zhǎng)啼县,這世上最難降的妖魔是什么材原? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 55,185評(píng)論 1 278
  • 正文 為了忘掉前任,我火速辦了婚禮季眷,結(jié)果婚禮上余蟹,老公的妹妹穿的比我還像新娘。我一直安慰自己子刮,他們只是感情好威酒,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,178評(píng)論 5 371
  • 文/花漫 我一把揭開(kāi)白布。 她就那樣靜靜地躺著挺峡,像睡著了一般兼搏。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上沙郭,一...
    開(kāi)封第一講書(shū)人閱讀 48,970評(píng)論 1 284
  • 那天,我揣著相機(jī)與錄音裳朋,去河邊找鬼病线。 笑死,一個(gè)胖子當(dāng)著我的面吹牛鲤嫡,可吹牛的內(nèi)容都是我干的送挑。 我是一名探鬼主播,決...
    沈念sama閱讀 38,276評(píng)論 3 399
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼暖眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼惕耕!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起诫肠,我...
    開(kāi)封第一講書(shū)人閱讀 36,927評(píng)論 0 259
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤司澎,失蹤者是張志新(化名)和其女友劉穎欺缘,沒(méi)想到半個(gè)月后,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體挤安,經(jīng)...
    沈念sama閱讀 43,400評(píng)論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡谚殊,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 35,883評(píng)論 2 323
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了蛤铜。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片嫩絮。...
    茶點(diǎn)故事閱讀 37,997評(píng)論 1 333
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖围肥,靈堂內(nèi)的尸體忽然破棺而出剿干,到底是詐尸還是另有隱情,我是刑警寧澤穆刻,帶...
    沈念sama閱讀 33,646評(píng)論 4 322
  • 正文 年R本政府宣布置尔,位于F島的核電站,受9級(jí)特大地震影響蛹批,放射性物質(zhì)發(fā)生泄漏撰洗。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,213評(píng)論 3 307
  • 文/蒙蒙 一腐芍、第九天 我趴在偏房一處隱蔽的房頂上張望差导。 院中可真熱鬧,春花似錦猪勇、人聲如沸设褐。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 30,204評(píng)論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)助析。三九已至,卻和暖如春椅您,著一層夾襖步出監(jiān)牢的瞬間外冀,已是汗流浹背。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 31,423評(píng)論 1 260
  • 我被黑心中介騙來(lái)泰國(guó)打工掀泳, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留雪隧,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 45,423評(píng)論 2 352
  • 正文 我出身青樓员舵,卻偏偏與公主長(zhǎng)得像脑沿,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子马僻,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,722評(píng)論 2 345

推薦閱讀更多精彩內(nèi)容