視頻質(zhì)量的客觀評(píng)價(jià)方法

視頻質(zhì)量的客觀評(píng)價(jià)方法

0視頻質(zhì)量評(píng)價(jià)模型目前，大多數(shù)視頻壓縮方法采用壓縮方法來(lái)消除視覺冗余信息，但壓縮后將犧牲信號(hào)源的信息。由于編碼壓縮后的視頻流或視頻段的質(zhì)量直接反映了壓縮方法或壓縮設(shè)備的性能，因此視頻質(zhì)量評(píng)價(jià)是一個(gè)非常重要的問題。海外主要研究vqeg（視頻評(píng)估集團(tuán)）、ibm和韓國(guó)sk電信集團(tuán)在視頻質(zhì)量評(píng)估方面進(jìn)行了相關(guān)研究。vqeg負(fù)責(zé)測(cè)試提出的視頻質(zhì)量客觀評(píng)價(jià)模型。一個(gè)典型的模型是sunristvq模型。模型在3d模式下執(zhí)行原始視頻和錯(cuò)誤視頻，并計(jì)算兩者之間的差值，期間的差異序列包括時(shí)間間隔、時(shí)空和色彩空間。計(jì)算視頻質(zhì)量評(píng)估的價(jià)值，并將差異序列放在時(shí)間間隔內(nèi)。在色彩空間中，模型使用差異感知模型和資源提取模型的組合，例如編碼產(chǎn)生的塊效應(yīng)特征。ntia模型更注重宇宙范圍的細(xì)節(jié)，預(yù)測(cè)人們看不到的失真。vqeg已經(jīng)評(píng)估了10種質(zhì)量評(píng)價(jià)模型，但尚未確定標(biāo)準(zhǔn)的視頻質(zhì)量評(píng)價(jià)模型。國(guó)內(nèi)的大學(xué)和北京大學(xué)在這項(xiàng)研究中取得了一些成果。然而，總體而言，目前的視頻質(zhì)量評(píng)價(jià)方法并不成熟，存在許多未知問題。視頻質(zhì)量評(píng)價(jià)從方法上可以分為主觀評(píng)價(jià)方法和客觀評(píng)價(jià)方法.前者憑感知者主觀感受評(píng)價(jià)對(duì)象的質(zhì)量;后者依據(jù)模型給出的量化指標(biāo)衡量視頻圖像質(zhì)量.本文將視頻質(zhì)量客觀評(píng)價(jià)方法作為論述重點(diǎn),并將其歸結(jié)為基于HVS(humanvisualsystem)生理特征和基于結(jié)構(gòu)失真的兩大類方法,對(duì)視頻質(zhì)量評(píng)價(jià)過程中用到的多種方法進(jìn)行了總結(jié)和評(píng)論,并通過實(shí)驗(yàn)進(jìn)行了效果驗(yàn)證.最后總結(jié)和預(yù)測(cè)了視頻質(zhì)量評(píng)價(jià)技術(shù)發(fā)展的幾個(gè)方向.1主觀質(zhì)量評(píng)價(jià)視頻質(zhì)量主觀評(píng)價(jià)憑感知者主觀感受評(píng)價(jià)視頻對(duì)象的質(zhì)量,包括視覺信息的錄入系統(tǒng),即人眼成像系統(tǒng);視頻信息處理系統(tǒng),即人腦對(duì)視覺信息的加工.成像系統(tǒng)與信息處理系統(tǒng)2部分互相結(jié)合,對(duì)視頻評(píng)價(jià)的結(jié)果產(chǎn)生顯著的影響,目前尚沒有合適的數(shù)學(xué)模型對(duì)其進(jìn)行精確的刻畫.主觀質(zhì)量評(píng)價(jià)一般采用連續(xù)雙激勵(lì)質(zhì)量度量法(doublestimuluscontinuousqualityscale,DSCQS),對(duì)任一觀測(cè)者連續(xù)給出原始視頻圖像和處理過的失真圖像,由觀測(cè)者根據(jù)主觀感知給出分值.ITU-T(InternationalTelecommunicationUnion-Telecom-munication)已經(jīng)發(fā)布相關(guān)標(biāo)準(zhǔn)BT-510,就主觀質(zhì)量評(píng)價(jià)過程中的測(cè)試序列、人員、距離以及環(huán)境做了詳細(xì)規(guī)定,并綜合考慮了影響視覺感知的分辨率、白平衡等因素.中國(guó)國(guó)標(biāo)GB7401—87中對(duì)有線電視廣播系統(tǒng)圖像質(zhì)量評(píng)價(jià)進(jìn)行了規(guī)定,給出了電視圖像主觀質(zhì)量的5級(jí)打分標(biāo)準(zhǔn),并對(duì)伴音圖像的質(zhì)量評(píng)價(jià)進(jìn)行了規(guī)定.主觀質(zhì)量評(píng)價(jià)方法需針對(duì)多個(gè)視頻對(duì)象進(jìn)行多次重復(fù)實(shí)驗(yàn),耗時(shí)多、費(fèi)用高,難以操作.目前,有學(xué)者就主觀質(zhì)量評(píng)價(jià)體系的組成環(huán)節(jié)進(jìn)行改進(jìn)研究.Richardson通過在主觀評(píng)價(jià)過程中引入測(cè)試者反饋信息來(lái)加快主觀質(zhì)量評(píng)價(jià)過程.在主觀質(zhì)量評(píng)價(jià)過程中,給每個(gè)測(cè)試者連續(xù)的視頻剪輯和一個(gè)輸入控制設(shè)備,通過一個(gè)顯示滑塊實(shí)現(xiàn)與視頻播放的交互.該方法不必中斷視頻剪輯,節(jié)省了測(cè)試時(shí)間及成本.就測(cè)試人員而言,主觀質(zhì)量評(píng)價(jià)原則上要求由不具有先驗(yàn)經(jīng)驗(yàn)的非評(píng)價(jià)專家對(duì)待測(cè)對(duì)象打分,但觀測(cè)者看到相同圖像以后,實(shí)際上已經(jīng)對(duì)同一個(gè)圖像及相關(guān)的失真圖像都建立了部分的先驗(yàn)信息.相對(duì)于主觀質(zhì)量評(píng)價(jià),客觀質(zhì)量評(píng)價(jià)具有操作簡(jiǎn)單、成本低、易于實(shí)現(xiàn)特點(diǎn),它已經(jīng)成為視頻圖像質(zhì)量評(píng)價(jià)研究的重點(diǎn),這也是本文綜述的重點(diǎn).在實(shí)際視頻通信中,更傾向于主觀評(píng)價(jià)方法與客觀評(píng)價(jià)方法的結(jié)合,如利用主觀評(píng)價(jià)結(jié)果對(duì)客觀質(zhì)量評(píng)價(jià)模型結(jié)果進(jìn)行校正.2結(jié)構(gòu)失真的輸出值目前,視頻質(zhì)量客觀評(píng)價(jià)一般是通過模擬HVS的生理特征建立視覺感知模型,并將模型的輸出值作為質(zhì)量的評(píng)價(jià)或失真的度量,研究集中在如何提高模型輸出與主觀評(píng)價(jià)結(jié)果的相關(guān)性.Wang自2002年起提出,并在此基礎(chǔ)上發(fā)展了一種基于結(jié)構(gòu)失真的視頻質(zhì)量客觀評(píng)價(jià)方法,該方法對(duì)靜態(tài)圖像質(zhì)量評(píng)價(jià)取得了較好的效果,頗具潛力.2.1s-mse分析在視頻編解碼過程中,目前一般采用峰值信噪比(peaksignalnoiseratio,PSNR)或均方差(meansquareerror,MSE)衡量視頻序列的失真度,即ΡSΝR=10lg(2552ΜSE)(1)ΜSE=1Ν2Ν∑i=1(xi-?xi)2(2)PSNR=10lg(2552MSE)(1)MSE=1N2∑i=1N(xi?x?i)2(2)其中,xi和?xix?i分別為原始圖像與重建圖像中對(duì)應(yīng)的像素值,N2為N×N圖像中的總像素?cái)?shù).PSNR和MSE忽略了圖像內(nèi)容對(duì)人眼的影響,不能完整地反映出圖像的質(zhì)量.分析式(1)和(2)可以看出,相對(duì)同一個(gè)原始信號(hào)a(i,j),相同PSNR或MSE的2個(gè)失真信號(hào)?a1(i,j)a?1(i,j)和?a2(i,j)a?2(i,j)可能是不同的.式(2)中,若|a(i,j)-a1(?i,j)|=|a(i,j)-a2(?i,j)||a(i,j)?a1(i?,j)|=|a(i,j)?a2(i?,j)|,則?a1(i,j)=?a2(i,j)a?1(i,j)=a?2(i,j),或?a1(i,j)+?a2(i,j)=2a(i,j).a?1(i,j)+a?2(i,j)=2a(i,j).MSE相同,但?a1(i,j)a?1(i,j)和?a2(i,j)a?2(i,j)并不一定相同,在人眼看來(lái)也可能會(huì)相差甚遠(yuǎn).圖1中,2個(gè)失真信號(hào)信號(hào)1和信號(hào)2分別與原始信號(hào)進(jìn)行MSE計(jì)算的結(jié)果是相同的;但在人眼看來(lái),信號(hào)1要比信號(hào)2更接近原始信號(hào).2.2基于hvs生理特征的質(zhì)量客觀評(píng)價(jià)1)HVS生理特征基于MSE和PSNR的問題,視頻質(zhì)量評(píng)價(jià)過程中需要結(jié)合HVS生理特征來(lái)提高主、客觀質(zhì)量評(píng)價(jià)方法的相關(guān)性.HVS主要的生理特征如下:a.HVS能進(jìn)行色彩空間變換.視網(wǎng)膜中的L型、M型和S型圓錐視神經(jīng)細(xì)胞將映射到視網(wǎng)膜上的圖像分解成3個(gè)視頻流,并對(duì)應(yīng)著不同波長(zhǎng)的光,可以理解為RGB三色分量.b?人眼光學(xué)系統(tǒng)將視覺激勵(lì)聚集在視網(wǎng)膜上時(shí)對(duì)圖像進(jìn)行了模糊化,這可以通過一個(gè)點(diǎn)擴(kuò)散函數(shù)(pointspreadfunction,PSF)予以描述.c.視網(wǎng)膜上的感光細(xì)胞分布不均衡,在視網(wǎng)膜凹點(diǎn)處密度大,致使人眼觀看事物是以不同的分辨率進(jìn)行的.Lee等提出將視網(wǎng)膜成像看作生物凹陷過濾過程,并設(shè)計(jì)小凹評(píng)價(jià)模型進(jìn)行質(zhì)量評(píng)價(jià).d.人眼具有感光自適應(yīng)性.視網(wǎng)膜通過對(duì)視覺激勵(lì)的對(duì)比度而不是光強(qiáng)的絕對(duì)值進(jìn)行處理,使人眼具有從暗到亮的快速自動(dòng)調(diào)節(jié)功能,Weber定理就反映了這一點(diǎn).e.對(duì)比度靈敏度函數(shù)(contrastsensitivefunction,CSF).人眼與對(duì)比度的敏感度與激勵(lì)的顏色、空間和時(shí)間頻率有關(guān).CSF一般定義為對(duì)比度門限的倒數(shù).f.人眼具有多通道特性.視覺皮層神經(jīng)元相當(dāng)于一組有方向的帶通濾波器,它對(duì)中心值附近一定區(qū)域的空間頻率和方向作出響應(yīng).g.人眼視覺具有掩蔽效應(yīng).當(dāng)掩蔽信號(hào)和原始信號(hào)有相同的頻率內(nèi)容和方向時(shí),掩蔽效應(yīng)最強(qiáng).h.整合效應(yīng).人腦可以將獨(dú)立的多通道視覺機(jī)制聚合起來(lái),具體的機(jī)理尚不清楚.2)客觀評(píng)價(jià)方法基于HVS生理特征的客觀評(píng)價(jià)方法可以用基于感知誤差的統(tǒng)一模型來(lái)描述,客觀評(píng)價(jià)過程的框圖如圖2所示.圖2中,預(yù)處理環(huán)節(jié)處理數(shù)據(jù)排列、色彩空間轉(zhuǎn)化、PSF濾波和D?A顯示操作;CSF環(huán)節(jié)中一般采用線性濾波逼近CSF的頻率響應(yīng)或通過調(diào)整多通道分解的權(quán)值模擬CSF的響應(yīng);多通道分解將視覺激勵(lì)分解成不同的空域和時(shí)域子帶,常采用小波變換或DCT進(jìn)行操作;誤差掩蔽環(huán)節(jié)中采用增益控制并通過對(duì)每個(gè)通道內(nèi)的誤差信號(hào)與空域視覺門限比較來(lái)衡量掩蔽效應(yīng);誤差整合環(huán)節(jié)聯(lián)合不同通道中的誤差對(duì)視頻質(zhì)量損失給出一個(gè)確切數(shù)值,一般采用Minkowski原則對(duì)不同通道的視頻失真進(jìn)行非線性合并,即E=(∑l∑k|el,k|β)1?βE=(∑l∑k|el,k|β)1?β,其中,el,k為第l個(gè)通道的第k個(gè)系數(shù),β為一個(gè)常數(shù)值.目前已有多種基于HVS生理特征的質(zhì)量客觀評(píng)價(jià)方法:Tan等建立了感知模擬器模擬人眼時(shí)域的平滑效應(yīng)和掩蔽效應(yīng),分析了人眼的不對(duì)稱評(píng)價(jià)方式,即相對(duì)圖像質(zhì)量從差到好變化,人眼更易于發(fā)現(xiàn)從好到差的圖像質(zhì)量的變化;塊效應(yīng)檢測(cè)聯(lián)合掩蔽模型進(jìn)行質(zhì)量評(píng)價(jià)能給出質(zhì)量客觀評(píng)價(jià)值,它也可用于衡量視頻塊效應(yīng)的嚴(yán)重程度;文獻(xiàn)通過對(duì)CSF增加時(shí)間維分量使原始視頻產(chǎn)生了2個(gè)對(duì)應(yīng)不同時(shí)域?qū)傩缘囊曨l流,這2個(gè)視頻流模擬HVS對(duì)靜止態(tài)和穩(wěn)定運(yùn)動(dòng)態(tài)的視頻質(zhì)量處理機(jī)制,通過提取運(yùn)動(dòng)信息對(duì)MPQM(motionpicturequalitymetric)進(jìn)行了擴(kuò)展;Winkle對(duì)色彩變換后的通道應(yīng)用質(zhì)量評(píng)價(jià)矩陣,利用IIR濾波器產(chǎn)生2個(gè)視頻流,同時(shí)空域上分解成5個(gè)子帶和4個(gè)方向,各通道按CSF值進(jìn)行加權(quán);馬苗等利用灰色系統(tǒng)理論中的灰色關(guān)聯(lián)分析(greyrelationalanalysis,GRA)的整體比較機(jī)制和小波變換的多尺度分辨率匹配于HVS的多信道模型,通過小波域系數(shù)之間的灰色關(guān)聯(lián)度,利用小波系數(shù)的關(guān)聯(lián)進(jìn)行圖像質(zhì)量評(píng)價(jià),但該方法的評(píng)判結(jié)果只具有相對(duì)意義;Yu等將Winkle的感知矩陣推廣到可感知塊損失的矩陣模型,模型參數(shù)可以通過最小化視頻的預(yù)測(cè)質(zhì)量與VQEG主觀測(cè)試結(jié)果的差得到.HVS是一個(gè)高度復(fù)雜和非線性的系統(tǒng),當(dāng)前對(duì)其的認(rèn)知仍然有限.文獻(xiàn)[13,14,15,16,17,18,19]中的方法都基于一定的假設(shè)前提,但存在如下問題:1)基于HVS生理特征的方法一般都認(rèn)為原始圖像質(zhì)量是完美的且Weber定律和PSF模型始終成立.2)一般假定HVS的多通道響應(yīng)可以通過線性離散集合來(lái)模擬.3)一般假定通道分解是無(wú)損或無(wú)損于視覺的,變換后仍保持了質(zhì)量評(píng)價(jià)的絕大部分信息.4)一般認(rèn)為通道分解剔除了圖像間的關(guān)聯(lián),通道變換的作用可以通過掩蔽模型來(lái)模擬.5)HVS的評(píng)價(jià)值可以通過測(cè)試誤差的非線性組合來(lái)模擬,但目前大多采用線性加權(quán)組合.自然圖像相當(dāng)復(fù)雜,僅利用一些簡(jiǎn)單有限的通道組合提供質(zhì)量評(píng)價(jià)無(wú)疑是存在差距的.還有其他一些基于HVS某一特征進(jìn)行視頻質(zhì)量評(píng)價(jià)的方法:Inazumi等提出了一種考慮視頻質(zhì)量隨時(shí)間變化時(shí)的評(píng)價(jià)方法,該方法基于人腦短時(shí)的記憶存貯效應(yīng),整個(gè)視頻的質(zhì)量通過各個(gè)幀的質(zhì)量加權(quán)來(lái)評(píng)價(jià),視頻質(zhì)量的時(shí)變因素作為加權(quán)函數(shù)考慮.最佳加權(quán)函數(shù)利用遺傳算法最小化評(píng)價(jià)誤差?獲?取,該方法對(duì)單幀質(zhì)量評(píng)價(jià)時(shí)采用主元分析(principalcomponentanalysis,PCA)提取失真特征和紋理特征,并利用多回歸分析得到單幀質(zhì)量評(píng)價(jià)模型,能較好地反映時(shí)變的特征;但是其計(jì)算量相當(dāng)大,對(duì)HVS生理特征的利用較少.Ong等利用邊緣損失、塊效應(yīng)程度和振鈴噪聲3個(gè)參量進(jìn)行質(zhì)量評(píng)價(jià),但它僅利用了視頻流的時(shí)域特征且主要針對(duì)低碼率的視頻流.Wang等提出了3層噪聲加權(quán)模型:將圖像結(jié)構(gòu)分為噪聲層、紋理層和目標(biāo)層,每一層采用MSE和PSNR來(lái)度量圖像質(zhì)量,但是在每一層都使用了考慮人眼視覺感知的加權(quán)函數(shù),最后通過3層的測(cè)量值加權(quán)確定最后的質(zhì)量.文獻(xiàn)利用人工智能的方法,如通過建立模糊推理模型解決質(zhì)量評(píng)價(jià)問題,模型輸入量為視覺掩蔽誤差、模糊失真和對(duì)比度失真3個(gè)量,輸出量為視頻質(zhì)量評(píng)測(cè)值;推理規(guī)則通過神經(jīng)網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí)得到,但該方法運(yùn)算復(fù)雜,只能用于離線評(píng)估.目前尚未確立一個(gè)標(biāo)準(zhǔn)的視頻質(zhì)量客觀評(píng)價(jià)模型,各種評(píng)價(jià)方案仍在爭(zhēng)論之中.但是,在視頻質(zhì)量評(píng)價(jià)中引入HVS這一點(diǎn)已經(jīng)被多數(shù)學(xué)者所接受.由于還沒有建立起精確、統(tǒng)一的數(shù)學(xué)模型,在一定程度上影響了視頻質(zhì)量評(píng)價(jià)的準(zhǔn)確性.2.3結(jié)構(gòu)失真的客觀評(píng)價(jià)方法是基于視頻質(zhì)量損失1視頻質(zhì)量客觀評(píng)價(jià)方法HVS是復(fù)雜的非線性系統(tǒng),感知誤差模型方法涉及的模型大都基于線性系統(tǒng),這些模型的激勵(lì)簡(jiǎn)單且存在多種限制.感知誤差模型方法進(jìn)行視頻質(zhì)量的客觀評(píng)價(jià)建立在很多假設(shè)之上,第2.2節(jié)提到了基于這些假設(shè)所帶來(lái)的問題.自然圖像信號(hào)具有特定的結(jié)構(gòu),像素點(diǎn)之間帶有很強(qiáng)的從屬關(guān)系,這些從屬關(guān)系包含了視覺場(chǎng)景中大量重要的結(jié)構(gòu)信息.由此,Wang提出了一種新的視頻質(zhì)量客觀評(píng)價(jià)方法:基于結(jié)構(gòu)失真的圖像和視頻質(zhì)量評(píng)價(jià)方法——結(jié)構(gòu)相似(structuralsimilarity,SSIM)法.SSIM法的依據(jù)是HVS高度適合于提取視覺場(chǎng)景中的結(jié)構(gòu)信息,使測(cè)量結(jié)構(gòu)信息的改變與感知圖像質(zhì)量的變化非常接近,因此,如果結(jié)構(gòu)相似則可認(rèn)為前后圖像質(zhì)量變化不大,即質(zhì)量損失不大.SSIM法提供了與感知圖像失真非常接近的一種客觀評(píng)價(jià)方法,通過與感知誤差模型方法的比較可以更清楚地理解這種方法:a.感知誤差模型方法通過量化感知誤差來(lái)評(píng)估視頻圖像質(zhì)量,而基于結(jié)構(gòu)失真的方法是通過感知結(jié)構(gòu)信息的改變來(lái)考慮圖像的失真.當(dāng)對(duì)比度改變時(shí),盡管感知誤差模型方法評(píng)價(jià)出的2幅圖像質(zhì)量分?jǐn)?shù)相同,但在人眼看來(lái)此2幅圖像差別懸殊,SSIM法能較好地反映這種情況;b.感知誤差模型方法是一種自下而上的方法,先模擬HVS各個(gè)組成部分的功能,然后將其組合來(lái)實(shí)現(xiàn)整個(gè)HVS.SSIM法試圖從整體上直接模擬HVS提取視覺對(duì)象結(jié)構(gòu)的這種視覺功能;c.SSIM法在某種程度上繞開了自然圖像內(nèi)容的復(fù)雜性及多通道去相關(guān)問題,它沒有從神經(jīng)和生理學(xué)的角度通過整合誤差來(lái)評(píng)估圖像質(zhì)量,而是直接評(píng)價(jià)2種信號(hào)的結(jié)構(gòu)相似性.2核心函數(shù)和支持SSIM法實(shí)質(zhì)上是觀察圖像信息的一種具體方式.假設(shè)源圖像用圖像空間中的向量來(lái)表示,則圖像的任何失真可表示為在源圖像向量上添加失真向量,當(dāng)失真圖像向量的長(zhǎng)度和源圖像向量的長(zhǎng)度相等時(shí),可將它們定義在圖像空間中以MSE的值為半徑的球面上.但球面上的圖像卻可能具有非常不同的視覺質(zhì)量,表明失真向量的長(zhǎng)度即MSE并不足以作為有用的圖像質(zhì)量評(píng)價(jià)參數(shù),這些向量的方向有更重要的意義.如光照對(duì)于物體的結(jié)構(gòu)來(lái)說(shuō)是獨(dú)立的,光照的主要改變來(lái)源于亮度和對(duì)比度,因此可以考慮將亮度和對(duì)比度從圖像的結(jié)構(gòu)信息中分離出來(lái).SSIM法基本框圖如圖3所示,信號(hào)X和Y分別是原始圖像信號(hào)和失真圖像信號(hào).SSIM法的核心函數(shù)定義為S(x,y)=f(l(x,y),c(x,y),s(x,y))(3)S(x,y)=f(l(x,y),c(x,y),s(x,y))(3)其中,S(x,y)為失真信號(hào)與原始信號(hào)之間相似性的測(cè)量函數(shù),用來(lái)度量失真度;f(·)是整合函數(shù);l(x,y)是亮度比較函數(shù),c(x,y)是對(duì)比度比較函數(shù),s(x,y)是結(jié)構(gòu)比較函數(shù),3個(gè)函數(shù)相對(duì)獨(dú)立,滿足對(duì)稱性、邊界性和最大值唯一性.l(x,y)=2μxμy+C1μ2x+μ2y+C1,C1=(Κ1L)2(4)c(x,y)=2σxσy+C2σ2x+σ2y+C2,C2=(Κ2L)2(5)s(x,y)=2σxy+C3σxσy+C3(6)l(x,y)=2μxμy+C1μ2x+μ2y+C1,C1=(K1L)2(4)c(x,y)=2σxσy+C2σ2x+σ2y+C2,C2=(K2L)2(5)s(x,y)=2σxy+C3σxσy+C3(6)其中,σxy=1Ν-1Ν∑i=1(xi-μx)(yi-μy)σxy=1N?1∑i=1N(xi?μx)(yi?μy);L為像素值的動(dòng)態(tài)變化;K1,K2?1;μx和μy是亮度均值作為亮度估計(jì);σx和σy是標(biāo)準(zhǔn)方差作為對(duì)比度估計(jì),σx=(1Ν-1Ν∑i=1(xi-μx)2)1?2?μx=ˉx=1ΝΝ∑i=1xiσx=(1N?1∑i=1N(xi?μx)2)1?2?μx=xˉ=1N∑i=1Nxi.結(jié)合式(4)～(6),定義SSIM指標(biāo)為ssim(x,y)=[l(x,y)]α?[c(x,y)]β?[s(x,y)]γ(7)ssim(x,y)=[l(x,y)]α?[c(x,y)]β?[s(x,y)]γ(7)其中,α,β,γ>0,這3個(gè)參量對(duì)亮度、對(duì)比度和結(jié)構(gòu)信息進(jìn)行權(quán)值調(diào)整.3局部質(zhì)量評(píng)價(jià)圖4所示為原始的未失真的Lena圖像;圖5所示為JPEG壓縮的圖像,具有明顯的馬賽克效應(yīng),其與原始圖像相比差別明顯.利用SSIM法進(jìn)行仿真實(shí)驗(yàn):μx,σx和σxy在局部8×8的窗口中進(jìn)行計(jì)算;然后按像素在整幅圖像中進(jìn)行移動(dòng).整幅圖像的質(zhì)量的評(píng)價(jià)利用結(jié)構(gòu)相似性均值(meanstructuralsimilarity,MSSIM)來(lái)表示,ΜSSΙΜ(X,Y)=1ΜΜ∑j=1SSΙΜ(xj,yj)MSSIM(X,Y)=1M∑j=1MSSIM(xj,yj),其中,xj和yj是的j個(gè)局部窗口的圖像內(nèi)容,M是一幅圖像中局部窗口的數(shù)量.視頻片段的質(zhì)量可以通過各幀MSSIM的平均值得到.為簡(jiǎn)化計(jì)算,取α=β=γ=1,C1=C2=C3=0,得到平均結(jié)構(gòu)相似值為0.98786,質(zhì)量評(píng)價(jià)圖如圖6所示,顏色越黑代表質(zhì)量越差,失真越嚴(yán)重.但是,圖6并沒有準(zhǔn)確地反映出JPEG壓縮對(duì)源圖像造成的質(zhì)量影響.經(jīng)分析認(rèn)為,當(dāng)C1=C2=C3=0時(shí),式(5)會(huì)因?yàn)棣?x2x+σ2y接近于0而產(chǎn)生不準(zhǔn)確的結(jié)果.取C1=C2=2C3=25,得到圖像質(zhì)量評(píng)價(jià)值為0.59183(相同的2幅圖像質(zhì)量評(píng)價(jià)值為1),從實(shí)驗(yàn)結(jié)果看,其數(shù)值比較接近于主觀質(zhì)量.其質(zhì)量評(píng)價(jià)圖如圖7所示,較好地反映了JPEG壓縮后圖像各位置的失真.SSIM法中每移動(dòng)一步,局部統(tǒng)計(jì)特性和SSIM指標(biāo)都要在局部窗口中進(jìn)行計(jì)算,導(dǎo)致了質(zhì)量評(píng)價(jià)圖中塊效應(yīng)的出現(xiàn).為了解決該問題,W