圖像質量評價(Image Quality Assessment,IQA)

圖像質量

        圖像質量的含義主要包含兩個方面,一個是圖像的逼真度(fidelity),另一個是圖像的可懂度(intelligibility)。

(1)圖像的逼真度(fidelity)

         描述被評價圖像與標準圖像的偏離程度,圖像質量直接取決於成像裝備的光學性能、圖像對比度、儀器噪聲等多種因素的影響,通過質量評價可以對影像的獲取、處理等各環節提供監控手段。

(2)圖像的可懂度(intelligibility)

         則是表示圖像能向人和機器提供信息的能力。

圖像質量評價(Image Quality Assessment, IQA)        

        是圖像處理中的基本技術之一,主要通過對圖像進行特性分析研究,然後評估出圖像優劣(圖像失真程度)。主要目的是使用合適的評價指標,使得評價結果最符合人類主觀評價。

        從有沒有人蔘與的角度區分,圖像質量評估方法分爲主觀評價和客觀評價。

參考鏈接:https://blog.csdn.net/qq_35860352/article/details/84037501

參考鏈接:https://blog.csdn.net/xrinosvip/article/details/88569111

參考鏈接:https://www.jianshu.com/p/e11539734510

參考鏈接:https://blog.csdn.net/xiaoxifei/article/details/88222485

參考鏈接:https://www.cnblogs.com/libai123456/p/9622484.html

參考鏈接:https://blog.csdn.net/xiongchengluo1129/article/details/79155550

 

圖像質量的主觀評價

        主觀圖像質量評價方法是以人的主觀意識爲判斷的評價方法,主觀評價方法主要可分爲兩種:絕對評價和相對評價。

一、絕對評價

        是指平均主觀分(MOS),圖像質量的絕對評估是觀察者參照原始圖像對待定圖像採用雙刺激連續質量分級法,將待評價圖像和原始圖像按一定規則交替播放持續一定時間給觀察者,然後在播放後留出一定的時間間隔供觀察者打分,最終將所有給出的分數取平均作爲該序列的評價值,即待評價圖像的評分。

        國際上也對評價尺度做出了規定,對圖像質量進行等級劃分並用數字表示,也稱爲圖像評價的5分制“全優度尺度”(優:5分,良:4分,中:3分,差:2分,劣:1分)

二、相對評價

        是指差異平均主觀分(DMOS),相對評價中沒有原始圖像作爲參考,是由觀察者對一批待評價圖像進行相互比較,從而判斷出每個圖像的優劣順序,並給出相應的評價值。通常,相對評價採用單刺激連續質量評價方法,將一批待評價圖像按照一定的序列播放,此時觀察者在觀看圖像的同時給出待評圖像相應的評價分值。相對於主觀絕對評價,主觀相對評價也規定了相應的評分制度,稱爲“羣優度尺度”。也是5分制。

 

圖像質量的客觀評價        

        圖像質量客觀評價可分爲全參考(Full-Reference,FR),部分參考(Reduced-Reference,RR)和無參考(No-Reference,NR)三種類型。

        圖像質量客觀評價方法是指脫離人的主觀意識判斷,主要通過函數擬合或者機器學習的方法來建立一個模型,對待評圖像進行相關的處理運算,得到圖像的評價值。

        而優秀的圖像質量算法應該具有三個特點:與人眼感知相符、具有通用性、結果具有單調性、穩定性。

一、全參考圖像質量評估

       指在選擇理想圖像作爲參考圖像的情況下,比較待評圖像與參考圖像之間的差異,分析待評圖像的失真程度,從而得到待評圖像的質量評估。常用的全參考圖像質量客觀評價主要以像素統計、信息論、結構信息三方面爲基礎。

1. 基於圖像像素統計

       基於圖像像素統計基礎,峯值信噪比(PSNR)和均方誤差(MSE)是常見的評估方法。它門通過計算待評測圖像和參考圖像對應像素點灰度值之間的差異,從統計角度來衡量待評圖像的質量優劣。

(1) PSNR

       PSNR(Peak Signal to Noise Ratio)峯值信噪比,是最普遍和使用最爲廣泛的一種圖像客觀評價指標,然而它是基於對應像素點間的誤差,即基於誤差敏感的圖像質量評價。PSNR一般是用於最大值信號和背景噪音之間的一個工程項目。通常在經過影像壓縮之後,通常輸出的影像都會在某種程度與原始影像不同。爲了衡量經過處理後的影像品質,我們通常會參考PSNR值來衡量某個處理程序能否令人滿意。

     PSNR值越大,表明待評測圖像與參考圖像之間的失真較小,圖像質量較好。

(2)MSE

     用真實值-預測值 然後平方之後求和平均。

     MSE與PSNR都是通過計算待評圖像與參考圖像之間的像素誤差的全局大小來衡量圖像質量好壞的。而MSE的值越小,表明圖像質量越好。

(3) 相關的其他評估公式

        MSE:Mean Squared Error

       均方誤差是指參數的估計值與參數的真實值之差的平方的期望MSE可以評價數據的變化程度,MSE越小,說明模型的擬合實驗數據能力強。

         

        RMSE:Root Mean Squared Error

        根均方誤差:均方誤差的算術平方根

         

         MAE: Mean Absolute Error

         平均絕對誤差:樣本絕對誤差的絕對值。平均絕對誤差能更好的反映預測值誤差的實際情況。

         

          其中,表示預測值,表示真實值。

          SD: Standard Deviation

          標準差:標準差是方差的算術平方根,標準差反映了數據集的離散程度。均值相同的兩組數據,標準差不一定相同

          

         u表示平均值

2. 基於信息論中信息熵

        基於信息論中信息熵基礎,互信息被廣泛用來評價圖像質量。一些研究者提出了信息保真度準則(Information Fidelity Criterion,IFC)和視覺信息保真度(Visual Information Fidelity,VIF)兩種算法。

        它們通過計算待評測圖像與參考圖像之間的互信息來衡量待評圖像的質量優劣。但這類方法對於圖像的結構信息沒有反應。

3. 基於結構信息基礎

        一些學者提出了一種符合人眼視覺系統特性的圖像質量客觀評判標準——結構相似性度量(Structure Similaruty, SSIM)。

        SSIM分別從亮度、對比度、結構三方面度量圖像相似性。 

         

         

          

        C1、C2、C3爲常數,爲了避免分母爲0的情況,通常取C1=(K1∗L)2, C2=(K2∗L)2, C3=C22, 一般地K1=0.01, K2=0.03, L=255 則 

        

        SSIM的取值範圍[0,1],SSIM值越大,失真圖像質量越好。

        SSIM的特殊形式如下:

        

        平均結構相似度算法(MSSIM),基於SSIM改進的一種算法,把原始圖像和失真圖像分成相同的小塊,分別求SSIM,然後再求出整幅圖的相似度,MSSIM值越大,失真圖像質量越好。

4. 基於人類視覺系統(HSV) 的圖像質量評價方法

        基於人類視覺系統(HSV)的圖像質量評價方法,這種方法提高了客觀質量評價方法與主觀評價方法的一致性。

二、部分參考圖像質量評估

        以理想圖像的部分特徵信息作爲參考,對待評圖像進行比較分析,從而得到圖像質量評價結果。部分參考方法可分爲基於原始圖像特徵方法、基於數字水印方法和基於Wavelet域統計模型的方法等。部分圖像參考的重點和難點在於尋找合適的特徵信息。

        因爲部分參考質量評價依賴於圖像的部分特徵,與圖像整體相比而言,數據量下降了很多,目前應用比較集中在圖像傳輸系統中。

三、無參考圖像質量評估

        無參考方法也稱爲盲圖像質量評價(BIQA),無參考圖像評價方法實現比較複雜,但因爲一般的理想圖像很難獲得,所以這類方法偏重於實際應用。

        一般而言,無參考圖像質量評價方法首先對理想圖像的特徵作出某種假設,再爲該假設建立相應的數學分析模型,最後通過計算待評圖像在該模型下的表現特徵,從而得到圖像的質量評價結果。

1. 均值

        均值是指圖像像素的平均值,它反映了圖像的平均亮度,平均亮度越大,圖像質量越好。

        設待評價圖像爲F,大小爲M×N,其均值計算公式爲:

2. 標準差

        標準差是指圖像像素灰度值相對於均值的離散程度。如果標準差越大,表明圖像中灰度級分別越分散,圖像質量也就越好,

        計算公式如下:

3. 平均梯度

        平均梯度能反映圖像中細節反差和紋理變換,它在一定程度上反映了圖像的清晰程度。

        計算公式如下:

4. 熵

       熵是指圖像的平均信息量,它從信息論的角度衡量圖像中信息的多少,圖像中的信息熵越大,說明圖像包含的信息越多。

      假設圖像中各個像素點的灰度值之間是相互獨立的,圖像的灰度分佈爲p={p1,p2,…,pi,…,pn},其中pi表示灰度值爲i的像素個數與圖像總像素個數之比,而n爲灰度級總數,其計算公式爲:

      

       其中,P(l)爲灰度值l在圖像中出現的概率,L爲圖像的灰度級,對於256灰度等級的圖像而言,L=255。

       

發佈了111 篇原創文章 · 獲贊 110 · 訪問量 14萬+
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章