梯度加权SSIM

结构相似度（Structural Similarity，SSIM）   是Zhou Wang等人提出的图像质量评价方法，认为人类视觉系统高度适应自然视觉系统，而人眼视觉系统能高度自适应地提取场景中的结构信息。相关实验结果表明，该算法比PSNR指标更符合人类的视觉特性，而且算法简单。

通过感知图像结构信息的改变来考虑图像的失真，它比较两幅图像的相似度，而不是差值，获得图像的相似结构映像，从而得到客观预测质量分，因此用对结构信息的度量作为图像感知质量的近似，如果结构相似则可认为前后图像质量变化不大。

SSIM直接评价两图像间的结构相似性，其评价模型定义为：

（1）

SSIM从亮度（均值）、对比度（方差）和结构三个层次比较图像失真，其中结构占主要影响因素。当α＝β＝γ＝1且 c 3 =c 2 /2时，得：

（2）

由于图像不同区域提供的信息不同，人眼可能对感兴趣的区域关注更多，并且同一时刻人眼只能关心一小块区域，因此，当利用SSIM进行图像质量评价时，可以将图像（参考图像、待测图像）分解为11×11的重叠或不重叠的小图像，利用式（1）计算出子图像的评分，当计算出图像所有的子图像的评分后，整幅图像的评分可以由公式（3）得出：

（3）

Ran提出了符合人的视觉特性的图像三构件模型 ，即图像由边缘、纹理和平坦区域三部分构成，其中，边缘起决定性的作用，纹理次之，平坦区域只起陪衬作用。梯度信息能较好地反应图像的边缘纹理信息，图像边缘处梯度较大，平坦区域的梯度较小。

定义图像像素的梯度大小为：

参考图像梯度小于T的图像区域可以认为是平坦区域，噪声的影响大于模糊，而梯度大于T的图像区域可以认为是边缘纹理区域，噪声的影响小于模糊，根据参考图像和待测图像的梯度差判断定义权值函数。

由于 SSIM 模型中结构比较因子 s（x，y）的值范围是[-1，1] ，不符合边界性条件，会造成结果为负值的不合理情况。为克服这个缺点，将式（1）中结构比较因子改进如下：

摘抄自论文：医学图像质量评价中的梯度加权SSIM