以下为《图像质量评估指标》的无排版文字预览,完整内容请下载
图像质量评估指标
数字图像处理中采取的任何技术都会影响到图像的最终质量。图像质量可以分为逼真度和可懂度,针对处理结果的合理评估使得图像质量评价成为图像工程中的重要环节。图像质量评价方法可以分为主观评价和客观评价。
实际中大多数应用系统中最终评价图像质量依据的是人眼,人眼主观视觉评价可以直接决定图像质量的好坏。与此同时主观评价的结果同样会受到各种因素的干扰,包括观看条件、被测图像序列以及评分统计方法等。由于主观评价只涉及主观做出的定性评价,因此该方法建立在统计意义上,对于同时存在的未经过训练的以及经过训练的观察者,为保证在统计上有意义,参加评价的观察者数量应该足够多。图像主观视觉评价又包括绝对评价和相对评价。其中绝对评价如表1.1所示,是指观察者依据自己的知识和理解,对一幅图像或一个图像序列给出一个直接的质量评分,评分时以原始标准图像作为待评价图像的参考依据,给出观察者的主观评分。
表1.1主观绝对评价
评分
绝对评价指标
妨碍尺度
5分
优质
完全无法识别出图像质量降低
4分
良好
能感知到图像质量降低,但不影响观看
3分
中等
清楚感知到图像质量降低,对观看有一定妨碍
2分
较差
对观看有一定妨碍
1分
低劣
非常严重影响观看
主观相对评价如表1.2所示,观察者需要在没有原始标准图像作参考的情况下对一组待评价图像之间的相对质量进行比较,然后再进行评分,所给出的主观评分是基于组内图像间的相互比较。
表1.2主观相对评价
评分
绝对评价指标
妨碍尺度
5分
优质
组内最好水平
4分
良好
最内较好水平
3分
中等
组内中等水平
2分
较差
组内较差水平
1分
低劣
组内最差水平
图像质量的客观评价则通过待评价图像的相关客观参数来衡量其质量好坏。又可分为全参考(FullReference,FR)、半参考(ReducedReference,RR)和无参考(NoReference)三种类型:
(1)全参考评价
假设原始参考图像为,待评价图像为,尺寸大小均为,灰度值的范围为0-255,通过计算待评价图像与原始参考图像对应像素点间灰度值的差异从统计角度评定图像质量,常用评价指标有如下几项:
均方某某(MeanSquareError,MSE)定义为待评价图像与原始图像对应位置像素误差平方的均值,计算公式如下:
一般认为MSE的结果越小,待评价图像就越接近于原始图像,待评测图像的质量就越好,反之MSE越大则待评测图像质量越差。
信噪比(SignaltoNoiseRatio,SNR)定义为待评价图像为像素值平方均值与均方某某比值的自然对数值得10倍,其计算公式如下:
一般认为SNR的结果越大,待评测图像的质量就越好。但也应该指出,即使是在相同MSE的前提下,不同图像由于像素值的差别也可能得出不同的信噪比。为了消除图像本身带来的影响,另一种相似度量峰值信噪比准则被提出。对于通常情况下8bit图像,其像素最大灰度值为255,峰值信噪比(PeakSignaltoNoiseRatio,PSNR)定义如下:
由于计算简便,PSNR是判断图像质量时的常用指标,一般认为PSNR值越高,待评价的图像质量就越好。但应当指出,实际中人眼观察和理解图像时往往对于图像的某些区域更加关注,也就是“感兴趣区域”(RegionOfInterest,ROI),图像的整体质量可能更多地通过ROI的质量所决定,而由于实际中噪声出现位置的影响,可能出现高PSNR 内容过长,仅展示头部和尾部部分文字预览,全文请查看图片预览。 某种程度上也可以代表图像的清晰程度。一般而言图像的平均梯度越大,层次感越明显,图像效果也就越清晰。其计算公式为:
式中、表示像素点在、方向上的一阶差分。平均梯度的大小反映了图像中的目标细节和背景的差异性,用来度量图像中细节差异,能够代表图像的对比度和清晰度。
信息熵:熵代表了图像的平均信息量,从信息论的角度衡量了图像中信息的多少,熵值直接反映了图像中的信息含量,图像的信息熵越大其包含的信息也就越多。假设图像中各个像素点的灰度值之间相互独立,图像的灰度分布为,其中表示灰度值为的像素个数与图像中总像素个数之比,也就是该像素在图像中出现的概率,为灰度级总数。其计算公式为:
[文章尾部最后300字内容到此结束,中间部分内容请查看底下的图片预览]请点击下方选择您需要的文档下载。
以上为《图像质量评估指标》的无排版文字预览,完整内容请下载
图像质量评估指标由用户“s392548343”分享发布,转载请注明出处