ms-ssim 评价指标

ms-ssim 评价指标
结构相似度指标（MS-SSIM）是一种图像质量评价算法。

这种算法考虑了图像在多个空尺度上的像素相似性，并利用结构相似性的概念对整个图像进行比较，从而更好地模拟人
类对图像的感知。

MS-SSIM特别适用于评估失真较大的图像。

传统的 SSIM 算法使用均值、方差和协方差作为相似性测量。

SSIM主要分为三个部分，亮度、对比度和结构。

由于SSIM只关注于相似性的计算，因此不能捕捉图像局部和全局的特征。

从原理上来说，SSIM主要是基于像素间的平均误差。

通过MS-SSIM可扩充这种像素的平均误差，增加图像相似性的测量，特别是对许多小的结构来说，如纹理或图案等。

MS-SSIM算法考虑了不同空间尺度（如傅里叶尺度）下的图像描述符并利用多个比较参数对其进行加权。

由于MS-SSIM可以测量图像的全局和局部相似性，因此可评估失真更为
显著的图像质量，并且常常用于失真压缩（例如JPEG压缩）的评估。

MS-SSIM 主要包含以下步骤：
1.对原始的参考图像和测试图像（失真图像）进行预处理。

这可以通过计算不同空间
尺度下的高斯平滑和差分系数实现。

高斯平滑被用来测量图像结构的互相作用，而差分系
数则被用来捕捉图像的局部细节。

2.在不同尺度下，计算原始参考图像和测试图像之间的结构相似性指标。

它是通过计
算不同尺度下的高斯加权平均来计算的。

3.使用加权平均方法对结构相似性指标进行加权组合。

这些权重是与体视觉系统中的
加权感知度类似的。

这些权重考虑了亮度、对比度和结构等因素。

4.将加权结果归一化为0到1的范围。

MS-SSIM被广泛地应用于图像和视频编码的质量评价和优化，它能够比其他相似性指
标更好地模拟人类视觉系统的感知特征。

因此，在研究和应用中，MS-SSIM获得了大量的
关注和应用。