评价图像质量的新方式SSIM

【引言】在研究图像压缩算法的时候，最终需要对压缩的质量进行评价，现有的评价质量的方法是按照PSNR或者压缩前后图像的最大误差值来判定，PSNR起源于香浓理论，表达信息的相对多少，最大误差值仅能看出图像局部信息丢失的多少；但是在实际应用中，人们评价被处理后的图像，看中的却不是信息量的多少，如针对压缩，我们更关注的是压缩后图像会有变化吗？人的眼睛能感受到该变化吗？该变化人们在其应用上是否能够接受吗？等等这些都是以人为主导判断的。再如针对人物肤色增强，最终评价肤色好坏的还是以人的主观感受为主，因此最大可能的模拟人的感受来评价图像的变化前后的好坏，成为了人们的研究方向。

 

SSIM是Structural Similarity的简称，即结构相似性。它是一种衡量电视、电影或者其他数字图像、视频的主观感受质量的一种方法，该方法首先是由德州大学奥丁分校的图像与视频工程实验室提出的，接下来其与纽约大学合作发展此理论。SSIM算法是用来测试两幅图像的相似性，其测量或者预测图像的质量是基于未压缩的或者无失真的图像作为参考的。传统检测图像质量的方法MSE,PSNR与人眼的实际视觉感知是不一致的，SSIM算法在设计上考虑了人眼的视觉特性，比传统方式更符合人眼视觉感知。该算法再2001年提出之后，得到很多人的引用和对此算法的不断改进，并在2015年该算法的提出者获得视频协会给予的个人黄金工程Emmy奖。

     前面提到的MSE或者是PSNR算法，都是对绝对误差的评估，SSIM是一种基于感知的计算模型，它能够考虑到图像的结构信息在人的感知上的模糊变化，该模型还引入了一些与感知上的变化有关的感知现象，包含亮度mask和对比mask，结构信息指的是像素之间有着内部的依赖性，尤其是空间上靠近的像素点。这些依赖性携带着目标对象视觉感知上的重要信息。

【算法】

SSIM可以基于不同的窗口做计算，假设窗口x,y的大小是N*N;

其中：