无参考图像质量评价之图像质量评价方法（一）[均方根误差、峰值信噪比、结构相似度]

        图像质量评价在计算机视觉，人工智能，高清视频传输上面有很广泛的应用。目前，图像质量评价主要分为三个方向，有参考图像的质量评价，半参考的图像质量评价，以及无参考的图像质量评价。但是，个人认为，无参考图像质量评价才是最具挑战性和实用性的。所以，本文主要写一些无参考图像质量评价方法。

        在介绍无参考图像质量评价方法之前，先介绍一些常用的有参考的图像质量评价方法。主要包括：信噪比，峰值信噪比，结构相似度。

关注公众号，获取更多信息

均方根误差

均方根误差在图像的质量评价中相当于一个中间的评价指标，很多后续的评价指标都是沿用均方根误差。均方根误差主要是评价已知图像和退化图像之间误差大小。其实这个指标跟最小二乘的原理多少有些类似，也跟统计知识的误差统计求标准差和方差是一样的。

其基本公式为：

RMSE = sqrt(1/mn * E(I - F))

其中，E(I - F) 是退化图像与真实图像之间每个像素的差值的平方和

 

峰值信噪比

一般峰值信噪比在图像的评价中使用的较多，公式为：

 

其中，MN是图形的大小，M*N，f 是真实图像，f~是退化图像

 

结构相似度

结构相似度(SSIM)是来源于结构相似理论，用来测量两幅图像的结构相似性大小，其最大值为1。尤其反映了图像的轮廓，细节等的相似度。结构相似度可以表示为：

 

其中，L（）表示亮度变化，c()表示差异变化，s()是结构变化。

其中，f 和g 表示两幅图像，uf 和 ug 表示图像的均值，Ef和Eg 表示它们的方差，Efg表示它们的协方差。C1，C2，C3为比较小的常数，用来确保分母不等于零。