PSNR图像评价指标与ML的二阶混淆矩阵

均方误差 (MSE)

给定一个大小为 m×n 的干净图像 I 和噪声图像 K，均方误差 (MSE) 定义为：
干净图像与噪声图像逐像素求差后平方再求和取均值。

PSNR峰值信噪比(Peak Signal to Noise Ratio)

是一种评价图像的客观标准，它具有局限性，一般是用于最大值信号和背景噪音之间的一个工程项目。
为了衡量经过处理后的影像品质，我们通常会参考PSNR值来衡量某个处理程序能否令人满意。它是原图像与被处理图像之间的均方误差相对于(2^n-1)2的对数值(信号最大值的平方，n是每个采样值的比特数)，它的单位是dB。

PSNR优缺点：

• PSNR是最普遍，最广泛使用的评鉴画质的客观量测法.
• 不过许多实验结果都显示，PSNR的分数无法和人眼看到的视觉品质完全一致，有可能PSNR较高者看起来反而比PSNR较低者差。这是因为人眼的视觉对于误差的敏感度并不是绝对的，其感知结果会受到许多因素的影响而产生变化（例如：人眼对空间频率较低的对比差异敏感度较高，人眼对亮度对比差异的敏感度较色度高，人眼对一个区域的感知结果会受到其周围邻近区域的影响）

针对灰度图像

PSNR（dB）被定义为：

一般地，针对 uint8 数据，最大像素值为 255,；针对浮点型数据，最大像素值为 1。

彩色图像

• 分别计算 RGB 三个通道的 PSNR，然后取平均值。
• 计算 RGB 三通道的 MSE ，然后再除以 3 。
• 将图片转化为 YCbCr 格式，然后只计算 Y 分量也就是亮度分量的 PSNR。

针对超光谱图像，

需要针对不同波段分别计算 PSNR，然后取平均值，这个指标称为 MPSNR。

SSIM (Structural SIMilarity) 结构相似性

SSIM 公式基于样本 x 和 y 之间的三个比较衡量：亮度 (luminance)、对比度 (contrast) 和结构 (structure)。

针对超光谱图像，

需要针对不同波段分别计算 SSIM，然后取平均值，这个指标称为 MSSIM。

评价指标Precision与Recall

查准率（precision）：即你认为是True的样本中，到底有多少个样本是真为True。

查全率（recall）：即在预测样本中属于True的样本，你真的判断为True的有几个。

真实\预测	True	False
True	真正例 TP	假反例FN
False	假正例 FP	真反例TN

要求记住混淆矩阵： 第一列预测为正例（Positive）第二列预测为反例（Negative）。真假用False表示，网上有些错误版本，建议直接用此方法记忆。


记忆：

真正例与假负例和为1
真负率与假正例和为1

参考：

1. 图像质量评价指标PSNR与SSIM
2.psnr百科
3.通俗理解查准率(precision)和查全率(recall)
4.查准率(Precision)和查全率(Recall)和 P-R曲线、ROC曲线