Объективные оценки качества

К наиболее употребляемым объективным оценкам качества изображения относятся оценки, основанные на вычислении разности между исходным изображением и его восстановленной копией. Основными оценками качества восстановления изображения являются следующие[10]:

среднеквадратичная ошибка (Mean Square Error):

 (15)

где A '[ m, n ] – значение (m,n) -го пикселя восстановленного кадра

Частным случаем критерия качества (17) для полутонового изображения диапазоном значений пикселей от 0 до 255 (max{ A (m, n)}=255) является отношение пикового сигнала к шуму (Peak-to-Peak Signal-to-Noise Ratio –PSNR):

  (20)

Один из объективных способов измерения визуальных искажений состоит в оценке MSE между исходным и восстановленным изображениями. Параметры MSE достаточно объективны и повторяемы. Однако объективных оценок недостаточно, значения MSE не показывают, какие ошибки зритель заметит в первую очередь. Мера, которую сейчас чаще используют на практике, - это PSNR. Данная мера аналогична среднеквадратичному отклонению и ей присущи те же недостатки, что и среднеквадратичному отклонению, однако пользоваться ею удобнее из-за логарифмического масштаба шкалы.

Индекс SSIM

Индекс структурного подобия (SSIM) является методом измерения подобия между двумя изображениями. Индекс SSIM - полная справочная метрика, другими словами, измерение качества изображения, основанного на начальном несжатом или изображении без искажений. SSIM разработан, для улучшения традиционных методов оценки, как пиковое отношение сигнал-шум (PSNR) и среднеквадратическая ошибка (MSE), которые, оказалось, были непоследовательны с человеческим восприятием.

Различие относительно других методов упомянутых ранее, таких как MSE или PSNR, в том, что подходы к оценке воспринятых ошибок менее наглядно, SSIM рассматривают деградацию изображения как воспринятое изменение в структурной информации. Структурная информация - идея, что у пикселей есть сильные взаимозависимости особенно, когда они пространственно близки. Эти зависимости несут важную информацию о структуре объектов в визуальной сцене.

Метрика SSIM вычислена на различные окна изображения. Мера между двумя окнами x и y общего размера N×N:

(3.8)

где  - среднее значение x;

   - среднее число y;

   - отклонение x;

   - отклонение y;

 - ковариация x и y;

Индекс SSIM - десятичное значение между 0 и 1, и значение 1 достижимо только в случае двух идентичных наборов данных.[5]