SSIM图片相似损失函数

最新推荐文章于 2024-06-07 10:05:26 发布

wanghua609

最新推荐文章于 2024-06-07 10:05:26 发布

阅读量5.7k

点赞数 5

本文链接：https://blog.csdn.net/weixin_38145317/article/details/104769854

版权

SSIM（Structural Similarity Index）是一种衡量图像相似度的指标，用于比较未经压缩和失真后的图像。它基于亮度、对比度和结构的比较，公式涉及均值、方差和协方差。当图像完全相同，SSIM值为1。算法包括计算均值、方差、协方差等步骤，并通过高斯滑动窗口进行操作。

摘要由CSDN通过智能技术生成

SSIM（structural similarity index)，结构相似性，是一种衡量两幅图像相似度的指标，该指标首先由德州大学奥斯丁分校的图像和视频工程实验室（laboratory for image and video engineering)提出。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。

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)

$l(x,y)=\frac{2\mu _x \mu _y+c_1}{\mu _x^2+\mu _y^2+c_1}\\ c(x,y)=\frac{2\sigma _x \sigma _y+c_2}{\sigma _x^2+\sigma _y^2+c_2}\\ s(x,y)=\frac{\sigma _{x y}+c_3}{\sigma _x\sigma _y+c_3}$

一般取 $c_3=\frac{c_2}{2}$

其中 $\mu _x$ 是x的平均值， $\mu _y$ 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和y的协方差。

c_1=(k_1L)^2,c_2=(k_2L)^2, 是用来维持稳定的常数，L是像素值的动态范围， k_1=0.01,k_2=0.03

则

$SSIM(x,y)=[l(x,y)^\alpha \cdot c(x,y)^\beta \cdot s(x,y)^\gamma ]$

将 $\alpha ,\beta ,\gamma$ 设为1，可以得到

结构相似性的范围为0到1。当两张图像一模一样时，SSIM的值=1。

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，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

最低0.47元/天解锁文章

wanghua609

关注

5
点赞
踩
29

收藏

觉得还不错? 一键收藏
0
评论
SSIM图片相似损失函数

SSIM（structural similarity index)，结构相似性，是一种衡量两幅图像相似度的指标，该指标首先由德州大学奥斯丁分校的图像和视频工程实验室（laboratory for image and video engineering)提出。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。SSIM公式基于样本x和y之间的三个比较衡量:亮度（lumin...
复制链接

扫一扫