资源描述：
《一种基于局部方差和结构相似度的图像质量评价方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、光电子激光第19卷第11期2008年11月JournalofOptoelectronicsLaserVol.19No.11Nov.2008*一种基于局部方差和结构相似度的图像质量评价方法*1,2**11,2王宇庆,刘维亚,王勇(1.中国科学院长春光学精密机械与物理研究所,吉林长春130022;2.中国科学院研究生院,北京100039)摘要:针对结构相似度(SSIM)方法对图像不同失真类型的敏感程度不同的问题,提出了一种基于局部方差和结构相似度的图像质量评价方法。计算并比较了两图像整体局部方差的分布,分析了
2、度量结果所表征的图像特征。局部方差较好地体现了图像的细节信息,因此对于模糊等失真类型较为敏感,但是对于噪声污染等失真类型的敏感程度较低。因此,本文提出的评价方法将局部方差与结构相似度方法相结合,平衡了二者对造成图像失真各种因素的不同敏感偏向,从而使评价结果更加接近人眼对图像质量的主观感觉。实验结果表明,该方法充分考虑了图像中人眼比较敏感的细节信息的完整程度对图像质量的影响,评价结果优于SSIM方法,与人的主观感觉的一致性较好。关键词:图像质量评价;图像结构;局部方差;结构相似度(SSIM)中图分类号:TP391文献标识码:A文章编
3、号:10050086(2008)11154608Imagequalityassessmentbasedonlocalvarianceandstructuresimilarity1,2**11,2WANGYuqing,LIUWeiya,WANGYong(1.ChangchunInstituteofOptics,FineMechanicsandPhysics,ChineseAcademyofSciences,ChangchunJilin130033,China;2.GraduateSchoolofChineseAcademyofSc
4、iences,Beijing100039,China)Abstract:Toovercometheunequalsensitivitytodifferentdistortionofstructuralsimilarity,(SSIM)anewimagequalityassessmentmethodbasedonlocalvarianceandSSIMispresented.Thecomparisonofthelocalvariancedistributionoftwoimagesisbettersuitedtoassessthedet
5、ailstructuresimilarity,whichismoresensitivetosomedistortionsuchasblurringthanSSIMbutlesssensitivetosomedistortionsuchasnoisethanSSIM.TheassessmentmethodproposedinthispaperisacombinationoflocalvariancedistributionandSSIM,whichbalancestheirdifferentsensitivitytodifferentim
6、agedistortionsandgivesrationalresultsthatareconsistentwithvisualquality.TheexperimentalresultshowsthatthemethodisbetterconsistentwithhumanvisualcharacteristicsthanSSIM.Keywords:imagequalityassessment;imagestructure;localvariance;structuresimilarity(SSIM)观感觉相符。传统的图像质量客观评价
7、方法,例如均方误差1引言(MSE,meansquareerror)和峰值信噪比(PSNR,peaksignalnoiseratio),都是基于对应像素点间的误差,即基于误差敏感的数字图像在经过编码,压缩,传输等处理过程之后往往存图像质量评价,由于并未考虑到人眼的视觉特性,因而经常出在着不同形式、不同级别的失真,这些失真会对图像质量造成不同程度的影响;相应的,也有一些提升图像质量的方法,例如现评价结果与人的主观感觉不一致的情况。事实上,人眼对图图像增强以及图像还原等。经过这些图像处理过程所得到的像信号的处理并不是逐点进行的,视觉特性
8、与统计意义上的信[1]图像的质量是衡量相应算法或者设备性能的重要指标之一,因息分布也并不一致。文献[2]认为:人眼视觉的主要功能是此,如何准确评价图像质量已经成为图像处理领域的研究提取背景中的
