全參考的圖像質(zhì)量評價總結(jié)

第第頁全參考的圖像質(zhì)量評價總結(jié)摘要：數(shù)字圖像在實際的應(yīng)用中會引入各種各樣的失真，識別承受圖像的是人的眼，所以圖像質(zhì)量的評價結(jié)果必須要與人眼的視覺效果相吻合。隨著對人眼視覺系統(tǒng)的研究的不斷深入與提高，研究人員根據(jù)HVS的特性建立圖像質(zhì)量評價模型來，這種模型大大的提高了圖像質(zhì)量主觀評價和客觀評價的一致性。文章詳細(xì)地介紹了PSNR、SSIM、MSSIM、IFC、VIF、FSlM等幾種典型的全參考圖像質(zhì)量評價方法分析探討圖像質(zhì)量評價研究的開展趨勢。關(guān)鍵詞：構(gòu)造相似度（SSIM）；梯度加權(quán)；視覺掩蓋效應(yīng)

1引言

隨著通信技術(shù)的飛速開展，“數(shù)字”逐漸成為時代“寵兒”，在今后的開展中，數(shù)字化必將成為一種常態(tài)化技術(shù)，其應(yīng)用也將更加廣泛。長期以來，人類依托圖像獲取有價值信息，圖像信息技術(shù)得以廣泛應(yīng)用，然而，圖像在一系列處理過程中，極易因方式方法的不完備，造成圖像失真或降質(zhì)，這些失真或降質(zhì)影射在人類視觀上就是圖像質(zhì)量的改變。列舉一個簡單的例子，比方公司的指紋識別系統(tǒng)，假設(shè)之前錄入系統(tǒng)的指紋是清晰的，在下次打卡的時候假設(shè)手指上沾染了墨漬之類的模糊物品，那么指紋識別系統(tǒng)是否還能再與原錄入指紋比照的情況下識別該指紋？類似于這樣的問題在人們的生活中有很多，等待著全參考圖像質(zhì)量的評價方法去解決并將之應(yīng)用于實踐中。因此，圖像質(zhì)量的合理評估具有非常重要的應(yīng)用價值。

圖像質(zhì)量評價應(yīng)用極為廣泛：（1）對圖像質(zhì)量的狀況進(jìn)展動態(tài)檢測和調(diào)整。比方，圖像視頻時，利用評價模型獲得圖像質(zhì)量，反映當(dāng)前視頻的質(zhì)量效果，進(jìn)而進(jìn)展合理調(diào)節(jié)，獲取最正確視頻效果。（2）對圖像處理技術(shù)性能進(jìn)展快速評估，也可適用于不同方案的圖像處理技術(shù)性能比較。

就圖像系統(tǒng)來說，對圖像失真程度的定量描述（即對圖像質(zhì)量的評價）至關(guān)重要，它可以直接收理、控制和提高圖像質(zhì)量。深入研究圖像質(zhì)量評價方法，能為圖像后期處理提供更加準(zhǔn)確的技術(shù)支持，對圖像處理技術(shù)的開展和應(yīng)用來說意義重大。

2全參考圖像質(zhì)量評價方法開展

現(xiàn)代應(yīng)用中，利用原始圖像的全部信息，計算失真圖像與原始圖像間的誤差，并通過綜合誤差進(jìn)而獲取對失真圖像質(zhì)量綜合評價的方法，稱之為全參考型圖像質(zhì)量評價方法。全參考型評價方法是當(dāng)前最值得信任的質(zhì)量評價方法。

全參考圖像質(zhì)量評價需要原始圖像，經(jīng)過數(shù)十年的開展已經(jīng)形成了較為完整的理論體系和成熟的評價框架。將待評價的圖像信號的質(zhì)量可以通過與原圖像的信號做比照之后所獲取的誤差信號來分析，圖像質(zhì)量的下降與誤差信號的強(qiáng)弱有關(guān)。

最原始的圖像質(zhì)量評價方法就是峰值信噪比（PSNR）和均方差（MSE）。MSE和PSNR這2種方法易于計算，容易實現(xiàn)，但是MSE沒有利用圖像像素之間的相關(guān)性，和人眼感知到的數(shù)值相差較大。因而，人們基于HVS提出了很多客觀質(zhì)量評價方法來提高和主觀評價的一致性。其中典型代表有Sarnoff提出的JND（JustNoticeableDifference）模型以及StefanWinkler提出的PDM（PerceptualDistortionMetric）模型，這些模型很好的將人眼視覺合并為一個簡單的算法，由于當(dāng)時的技術(shù)開展的局限性，HVS系統(tǒng)的一些理論尚未成熟。目前新的主流的全參考圖像質(zhì)量評價方法在2002年由ZhouWang等人提出――構(gòu)造相似度（SSIM），它有效模擬了人眼提取視覺場景中構(gòu)造信息的能力，大量實驗證明SSIM的評價性能優(yōu)于PSNR及MSE，引領(lǐng)圖像質(zhì)量的評價走進(jìn)了新的領(lǐng)域。SSIM現(xiàn)在已經(jīng)成為了應(yīng)用最廣泛的評價方法，但是這個方法對于模糊圖像的質(zhì)量評價存在缺陷，這極大的限制了它的實際應(yīng)用。近年來國內(nèi)外很多研究人員對SSIM算法進(jìn)展了改進(jìn)，例如葉盛楠等人做出對構(gòu)造信息的新解釋，提出了基于構(gòu)造信息提?。╯tructuralInformationExtraction）的評價方法；SantiagoAjaFernandez等人在SSIM的根底上提出了基于局部比照度的質(zhì)量評價方法（QILV），圖1為SSIM構(gòu)造相似度模型的系統(tǒng)框圖。

2006年，HamidSheikh～I(xiàn)FC的根底上，提出了一種新的模型VIF（VisualInformationFidelityFidelity），他從信息通信和共享的角度來解決圖像質(zhì)量評估問題。

比照所有算法，VIF算法無疑表現(xiàn)最好，它在評價快速蛻變、高斯模糊、高斯白噪聲、JPEG失真、JPEG2000失真以及其他失真的表現(xiàn)上都要好于其他算法，但是，VIF算法也是目前的所有算法中復(fù)雜度最高的，因此，實用性就不如SSIM強(qiáng)。

3結(jié)語

全