MAE 平均绝对误差
M
A
E
=
1
m
∑
i
=
1
m
∣
y
i
−
y
i
′
∣
MAE = \frac{1}{m}\sum_{i=1}^{m}|y_i-y_i^{'}|
MAE=m1i=1∑m∣yi−yi′∣
是所有单个观测值与算术平均值的偏差的绝对值的平均。
MSE 均方误差
M
S
E
=
1
m
∑
i
=
1
m
(
y
i
−
y
i
′
)
2
MSE = \frac{1}{m}\sum_{i=1}^{m}(y_i-y_i^{'})^2
MSE=m1i=1∑m(yi−yi′)2
参数估计中均方误差是指参数估计值与参数真值之差平方的期望值,记为MSE。
PSNR 峰值信噪比 - Peak Signal to Noise Ratio
peak的中文意思是顶点。而ratio的意思是比率或比列的。整个意思就是到达噪音比率的顶点信号,psnr一般是用于最大值信号和背景噪音之间的一个工程项目。通常在经过影像压缩之后,输出的影像都会在某种程度与原始影像不同。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(2n-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。
P
S
N
R
=
10
l
o
g
10
(
2
n
−
1
)
2
M
S
E
=
20
l
o
g
10
2
n
−
1
M
S
E
PSNR = 10log_{10}\frac{(2^n-1)^2}{MSE} = 20log_{10}\frac{2^n-1}{MSE}
PSNR=10log10MSE(2n−1)2=20log10MSE2n−1
Peak就是指8bits表示法的最大值255,即n=8时
2
n
−
1
{2^n-1}
2n−1的取值。MSE指MeanSquareError.。PSNR值越大,就代表失真越少。
SSIM 结构相似性 - Structural Similarity Index
是一种衡量两幅图像相似度的指标。SSIM使用的两张图像中,一张为未经压缩的无失真图像,另一张为失真后的图像。结构相似性的范围为0到 。当两张图像一模一样时,SSIM的值等于1。
μ
x
\mu_x
μx是
x
x
x的平均值,
μ
x
\mu_x
μx是
y
y
y的平均值,
σ
x
2
\sigma_x^2
σx2是
x
x
x的方差,
σ
y
2
\sigma_y^2
σy2是
y
y
y的方差,
σ
x
y
\sigma_{xy}
σxy是
x
x
x与
y
y
y的协方差,
c
1
=
(
k
1
L
)
2
c_1=(k_1L)^2
c1=(k1L)2,
c
2
=
(
k
2
L
)
2
c_2 = (k_2L)^2
c2=(k2L)2是用来维持稳定的常数,
k
1
=
0.01
k_1 = 0.01
k1=0.01,
k
2
=
0.03
k_2 = 0.03
k2=0.03,
L
L
L是像素值的动态范围,一般
L
=
255
L = 255
L=255
S
S
I
M
=
(
2
μ
x
μ
y
+
c
1
)
(
σ
x
y
+
c
2
)
(
μ
x
2
+
μ
y
2
+
c
1
)
(
σ
x
2
+
σ
y
2
+
c
2
)
SSIM = \frac{(2\mu_x\mu_y+c_1)(\sigma_{xy}+c_2)}{(\mu_x^2+\mu_y^2+c_1)(\sigma_x^2+\sigma_y^2+c_2)}
SSIM=(μx2+μy2+c1)(σx2+σy2+c2)(2μxμy+c1)(σxy+c2)
作为结构相似性理论的实现,结构相似度指数从图像组成的角度将结构信息定义为独立于亮度、对比度的,反映场景中物体结构的属性,并将失真建模为亮度、对比度和结构三个不同因素的组合。用均值作为亮度的估计,标准差作为对比度的估计,协方差作为结构相似程度的度量。