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]