图像质量评估指标 | MAE | MSE | PSNR | SSIM

MAE 平均绝对误差

$$MAE=\frac{1}{m}\sum _{i=1}^m|y_i-y_i^{{}^{\prime }}|$$
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

$$MSE=\frac{1}{m}\sum _{i=1}^m(y_i-y_i^{{}^{\prime }}{)}^2$$
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(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。
$$PSNR=10lo{g}_{10}\frac{(2^n-1{)}^2}{MSE}=20lo{g}_{10}\frac{2^n-1}{MSE}$$
Peak就是指8bits表示法的最大值255，即n=8时$2^n-1$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。
${\mu }_x$是$x$的平均值，${\mu }_x$是$y$的平均值，${\sigma }_x^2$是$x$的方差，${\sigma }_y^2$是$y$的方差，${\sigma }_{xy}$是$x$与$y$的协方差，$c_1=(k_{1}L{)}^2$,$c_2=(k_{2}L{)}^2$是用来维持稳定的常数,$k_1=0.01$,$k_2=0.03$,$L$是像素值的动态范围，一般$L=255$
$$SSIM=\frac{(2{\mu }_x{\mu }_y+c_1)({\sigma }_{xy}+c_2)}{({\mu }_x^2+{\mu }_y^2+c_1)({\sigma }_x^2+{\sigma }_y^2+c_2)}$$
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。