基于加权结构相似度的图像融合质量评价
图像融合评价方法
图像融合评价方法
图像融合评价方法是用来衡量图像融合算法效果的一种指标体系。
常见的图像融合评价方法包括以下几种：
1. 主客观评价法：将图像融合的结果与原始图像进行比较，主要评价指标包括图像的清晰度、对比度、亮度等客观指标，同时也可通过主观评价调查收集用户观感作为评价依据。
2. 直观评价法：通过几个专业的评价人员对图像融合的结果进行主观评价，根据整体效果和细节特征等来评判融合结果的优劣，常用的评价方法包括比较法、分级法和排序法等。
3. 结构相似度评价法（SSIM）：通过比较原始图像和融合结果之间的结构特征相似性来评价融合算法的效果，通过计算亮度、对比度和结构相似性三个维度的相似度指标来衡量。
4. 峰值信噪比评价法（PSNR）：通过比较原始图像和融合结果之间的峰值信噪比来评价融合算法的效果，PSNR越高表示图像质量越好。
5. 色彩保真度评价法（CIEDE2000）：通过比较原始图像和融合结果之间的颜色差异来评价融合算法的效果，CIEDE2000是一种广泛使用的色彩差异评价方法。
综合使用上述评价方法可以全面地评价图像融合算法的效果，并挑选出最好的融合结果。
遥感图像处理中的图像融合方法与精度评价
遥感图像处理中的图像融合方法与精度评价遥感图像处理是一门研究如何获取、处理和应用遥感图像信息的学科。
遥感图像融合是其中的一个重要研究方向，它旨在通过将多个遥感图像融合为一个具有更高空间、光谱分辨率和更丰富信息量的图像，来提高遥感图像的解译和应用能力。
本文将探讨遥感图像融合的方法和精度评价。
一、遥感图像融合方法1. 传统融合方法传统的遥感图像融合方法主要包括像素级融合和特征级融合。
像素级融合是指将不同分辨率的遥感图像通过插值方法将其像素一一对应，然后对对应像素进行加权平均得到融合图像。
常用的插值方法有最邻近插值、双线性插值等。
这种方法简单易实现，但无法利用各个波段之间的相关性。
特征级融合是指通过提取多个图像的不同特征，然后将这些特征融合到同一个图像中。
常见的特征包括边缘信息、纹理信息、频谱信息等。
特征级融合方法可以更好地保留各个图像的特征，但对特征的提取和融合过程较为复杂。
2. 基于变换的融合方法基于变换的融合方法是指通过对多个遥感图像进行变换操作，然后将变换后的图像进行融合。
常见的变换包括小波变换、主成分分析、时频分析等。
小波变换是一种时频分析方法，可以将图像分解为不同频率和方向的小波系数。
通过对小波系数进行加权平均，可以实现遥感图像的融合。
小波变换融合方法能够提取图像的局部特征，能更好地保留图像的细节信息。
主成分分析是一种基于统计的方法，通过分析遥感图像的协方差矩阵，提取出图像的主要成分。
然后将这些主成分按照一定的权重进行线性组合，得到融合图像。
主成分分析融合方法可以更好地提取遥感图像的空间信息，对图像的纹理特征具有较好的保留效果。
以上只是其中的两种常见的基于变换的融合方法，实际上还有很多其他的方法，如独立分量分析、稀疏表示等。
二、图像融合精度评价图像融合精度评价是指对融合图像质量进行定量评估的方法。
常用的融合图像质量评价指标有以下几种：1.谱信息准确度谱信息准确度评价主要针对于融合图像的光谱特征，常用的指标有谱变异性、谱角等。
图像质量评价的研究现状及其展望
图像质量评价的研究现状及其展望[摘要] 符合人眼视觉系统特性的图像质量评价方法,不仅可以更好地评价图像处理算法的优劣,而且能够指导图像处理的思路和方法。
近年来,图像质量评价的研究发展迅速。
本文重点阐述模拟人眼视觉系统的两类客观评价方法,并介绍以这两类方法为基本框架的各种改进方法。
然后针对图像融合、复原、压缩三个主要的处理领域的质量评价的特殊性进行分析。
总结认为该领域的发展方向是对视觉感知生理心理学及HVS模型进一步研究,建立计算更简便、评价更准确的通用评价方法,并发展无参考的质量评价方法。
[关键词]图像质量评价HVS CSF SSIM1 引言图像质量评价一直是图像处理领域研究的基础和重点。
图像质量评价方法包括:主观评价(MOS: Mean Opinion Score)方法和客观评价方法。
因为人眼是图像处理系统的终端,所以主观评价方法是最合理的图像质量评价方法。
但是该方法需要组织观察者对失真图像进行评分,难以用数学模型表达加以应用[1]。
所以MOS 方法一般用来验证客观评价方法的有效性。
目前应用最广泛的客观质量评价方法包括:均方差(Mean Squared Error,MSE)、峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)方法。
试验证明MSE/PSNR对于单纯的噪声图像质量评价比较准确,但是对失真降质图像的评价是不可靠的,所以需要研究符合人眼视觉的评价方法。
自从60年代大量的视觉感知生理心理学试验[2]得到了人类视觉系统(Human Visual System,HVS)模型,图像质量评价的研究得到迅速发展。
不但建立了各种模拟人眼视觉系统特性的数学模型,而且在此基础上提出了各种适用于特定图像处理领域的评价方法。
但是,至今没有形成一些公认的、通用的评价方法,以至于目前图像各研究领域仍然停留在利用MSE/PSNR评价算法优劣的阶段。
本文讨论模拟人眼视觉系统特性的图像质量评价方法,分析各种方法的思路及应用特点,总结其发展脉络及研究趋势。
基于相似性特征融合的全参考型图像质量评价方法[发明专利]
![基于相似性特征融合的全参考型图像质量评价方法[发明专利]](https://img.taocdn.com/s3/m/14b570e0763231126fdb1166.png)
专利名称：基于相似性特征融合的全参考型图像质量评价方法专利类型：发明专利
发明人：郑元林,王玮,廖开阳,汤梓伟,刘梦莹,唐梽森,王婉君
申请号：CN201710651932.6
申请日：20170802
公开号：CN107610093A
公开日：
20180119
专利内容由知识产权出版社提供
摘要：本发明公开的基于相似性特征融合的全参考型图像质量评价方法，首先对数据库中的原图像和失真图像进行特征提取，分别提取纹理特征，相位角特征，梯度特征和彩度特征；其次结合主观MOS值，使用粒子群优化算法寻找支持向量机回归模型的最优参数；然后通过训练，建立支持向量回归模型；最后输入待检测图像，对图像质量进行评价。
本发明基于相似性特征融合的全参考型图像质量评价方法采用了四种不同的相似性特征，使用支持向量机建立回归模型，实现了对全参考型图像质量进行客观评价，能够与人眼视觉特性保持较高的一致性。
申请人：西安理工大学
地址：710048 陕西省西安市金花南路5号
国籍：CN
代理机构：西安弘理专利事务所
代理人：杨璐
更多信息请下载全文后查看。
基于色彩与结构相似性的伪彩色图像融合质量评价
Ｍ ＝√ ＋ ０３ 、 ２＋ ． ， ７
２
式中： ｒ ｇ＝ｒ ｇ；ｂ ｒ ） ２Ｉ 、 ２ 分别代 表分量 － ｙ ＝（ ｇ ／ ； 、 ， ｘ ｇ 、 差 制图的均值和方差 。为 了后续计 算方便 ， 将其归一化 ：
ＣＭ ＝
在 Ｒ Ｂ空 间计算融 合 图像 的质量 ， 弃 了色彩 空 间变 换环 Ｇ 摒 节， 大大降低 了计算量 。
用 ， 网膜的一些 区域 （ Ｎ域 ） 视 Ｏ 接受 光 照射 兴奋 ， 而另 外 的 区域 （ Ｆ Ｏ Ｆ域 ） 到光 照射 抑制兴 奋 。Ｏ 受 Ｎ域 和 Ｏ Ｆ域 结合 Ｆ 在一起称作感 受野 （ｅｅ ｔｅｆ ｌｓ 。在一 个 Ｏ ｒｃｐｉ ｉｄ ） ｖ ｅ Ｎ中心 的感
受野模型 中 ， 果光 照充满 中心 ， 光 照引起 最强 的兴 奋激 如 则
ｔｙ Ｎ Ｌ 提 出 的 。 在该 方 法 中 ： 外 图 像 的 从 度 值 从 红 色 ｏ ， Ｒ ） ｒ 红
近年来 ， 图像 融 合 的 客 观评 价 指 标 不 断 被 开发 出米 。 ２０ ００年 ，ｅ ｏｉ Ｘ ｄａｌ 率先 提 出一个基 于 图像 边缘 信 Ｐｔｖ ｒ ｃ和 ｙｅｓｌ ｊ
第３ ２卷
第１ ０期
四 川 兵 工 学 报
２１年 ｌ ０ １ ０月
【 自动化技术 】
基 于 色 彩 与 结 构 相 似 性 的 伪 彩 色 图像 融 合 质 量 评 价
齐 鸥 黄应 清 蒋晓瑜 ， ，
（ 甲兵工程学院 装 ａ控 制 工 程 系 ；．兵 器 ＿ 系 ， 京 １０７ ） ． ｂ Ｔ稗 北 ０ ０ ２
关键词 ： 伪彩色 图像融合 ； 结构相似性 ； 质量评价 ； 色彩相似性
中 图 分 类 号 ：Ｎ １． ３ Ｔ ９ １７ 文献标识码 ： Ａ 文 章 编 号 ：０ ６— ７ ７ ２ １ ）０— ｌＯ— ４ １０ ０ ０ （０ １ ｌ ０ １ Ｏ
基于人眼视觉特性的融合图像质量评价算法
２ ０ １ ３年 第 ３期 文章编号 ： １ ０ ０ ６ — ２ ４ ７ ５ （ ２ ０ １ ３ ） ０ ３ － ０ １ ８ ４ － ０ ５
计 算 机 与 现 代 化 Ｊ Ｉ Ｓ Ｕ Ａ Ｎ Ｊ Ｉ Ｙ Ｕ Ｘ Ｉ Ａ Ｎ Ｄ Ａ Ｉ Ｈ Ｕ Ａ
总第 ２ １ １ 期
基 于 人 眼 视 觉 特 性 的融 合 图像 质 量 评 价 算 法
金 明举 ， 蒋华伟
（ 河 南工业 大学信 息科 学工程 学院 ， 河 南 郑州 ４ ５ ０ ０ ０ １ ）
摘要 ： 针对彩 色融合 图像在人 眼视 觉Байду номын сангаас性上的表现 ， 分析 现有 图像 融合质量评 价 方法特 点， 提 出一种基 于对 比度敏 感度
特性 加权结构相似度的彩 色融合 图像 质量评价算法。该方法将 图像 颜 色的亮度 分量和 色度分 量分开 ， 首先对 图像 亮度
量评价。
关键 词 ： 对 比度 敏 感度 ；结 构 相 似 度 ；彩 色融 合 图像 ；图像 质 量评 价 ； 人 眼视 觉 系统
中图分类号 ： Ｔ Ｐ ３ ９ １
文献标 识码 ： Ａ
ｄ ｏ ｉ ： １ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ６ － ２ ４ ７ ５ ． ２ ０ １ ３ ． ０ ３ ． ０ ４ ７
基于Contourlet的SSIM图像融合质量评价方法
Ａ Ｍｅｈ ｄｆｒＳ Ｉ Ｉ ｇ ｕ ｅ ａｉ ｓｓｍｅ ｔ ａｅ ｔｏ ＳＭ ｏ ｍａ ｅ ｓｄＱｕ ｌｙＡｓｅｓ ｎ ｓｄ Ｆ ｔ Ｂ
ｏ Ｃ ｎ ｏ ｌ ｔ ｎ ｏ ｔ ｕｒ ｅ
ＣＨＵ ｎ ｂｉ ， ＡＮＧ ａ — Ｕ Ｂｉ － ｎ ＸＩ Ｘｉ ｏ Ｚ
（ ｆｒ ｔ ｎＥ ｇｎｅｉ ＆ＲＳ ｃ ｏ ｆ ｒ ｌｒ ａ ｅ ｙ Ｐ Ａ Ｈ ｆｉ ３ ０ Ｃ ｉａ Ｉ ｏｍａ ｏ ｎ ｉｅｒ ｇＴ ｅｔ ｎｏ Ａ ｔｌ ｙ ｎ ｉ ｎ ｉ ｉｅ Ａｃｄ ｍ ， Ｌ ｅｅ２ ０ ３ ， ｈ ） １ ｎ
Ｓ ｐｅ ｅ １ ｏ．１ ．（ｅｉ ｏ１０ ｅｔ ｍｂ ｒ ０ ０Ｖ １ ３ ｓｒ ｌ ． ） ２ ４ Ｎｏ ａＮ ４
航 空 电 子 技 术
Ａ Ｉ Ｎ Ｃ Ｔ Ｃ ＮＯ ＯＧ Ｖ Ｏ Ｉ Ｓ Ｅ Ｈ Ｌ Ｙ
基 于 Ｃ ｎｏ ｒ ｔ Ｓ Ｉ 图像 融合质量评价方法 ｏ ｔｕｌ 的 ＳＭ ｅ
储 彬 彬 ，向 晓 卒
（ 解放军炮兵学院信 息工程教研室 ，合肥 ２０３ ） ３ ０ １
［ 摘 要 ］ 利用 ｃｎｏ ｒ ｔ能有效表示 图像 的边缘和轮廓信 息的特点 ，并将 其 引入 到图像 融合后 的评价 中，提 ｏｔｕｌ ｅ 出了一种基于 Ｃ ｎｏ ｒ ｔ的结构相似度（ ＳＭ） ｏｔｕｌ ｅ Ｓ Ｉ ￣像 融合质量评 价方法。以失真信道模拟融合过程 ，通过对标 准 参考图像 与融合 图像之 间的结构相似度来 实现对 融合方 法、融合规则性能优劣的评判。实验表 明该方法与主观 评价 方法有很好的一致性，且 与经典的 Ｓ Ｉ 算法相 比具有 更好 的 区分度 。 ＳＭ ［ 关键 词］ 图像质 量评价 ；ｃｎｏ ｒ ｔ ｏ ｔｕｌ ；结构相似度 （ＳＭ） ｅ Ｓ Ｉ ；图像 融合 【 中图分类号 ］Ｎ １． 文献标 识码］ ［ 章编 号］０ ６１１ （０ ０ ３０ １．５ Ｔ ９９ ８【 Ａ 文 １０．４Ｘ ２ １ ）０ —０００
基于视觉注意机制与区域结构相似度的图像融合质量评价
摘
要 ： 对 目前 图像 融 合质 量 客观 评 价 与主 观 评 价 结 果 一 致 性 不 高的 问题 ， 合 人 类视 觉 注 意 机 制 和 区域 计 算 针 结
方法 对 Ｅ Ｑ 指 标进 行 改进 ， 出 了一种 基 于视 觉 注意 机 制 （ Ａ 与 区域 结 构 相似 度 的 图像 融合 质 量评 价 指 标 。该 指 ＦＩ 提 Ｖ Ｍ）
标 充 分考 虑 了人 类视 觉感 兴趣 区域 和人 眼 对 区域信 息敏 感 的特 性 ， 用 方 差 显 著 图 与视 觉显 著 图相 结合 的加 权 方 法 对 使 图像 中 的显著 区域赋 予 更 大的 权值 ， 并采 用 更符 合人 类视 觉特 性 的 区域 计 算 方 法 求取 融 合 结 果 图像 和 源 图像 在 各 区域 上 的 结构 相似 度 以评 价 融合 质 量 。 用该指 标 评价 １ 不 同融合 算 法 的融 合 结 果 图像 并 与主 观 评 价 结 果 进 行 相 关性 分 ０种
ｓ ｌ ｎ ｅｇ ｔｂ ａｉ ｃ ｏ ｙ ＶＡＭ ａ ｄ ｔ ｅｌｃ ｌ ａｉｎ ｎ ｏｍａｉｎ ｔ ｓｉ ｔ ｏ ｅ ｌ ｈ ａｉｎ ｆ ｒ ｔ ｎ ｃ ｎ ａｎ ｄ ｗｉ ｉ ｈ ｏ ｒ ｅ ｅ ｎ ｈ ｏ ａ ｌ ｔｉｆｒ ｔ ｅ ｔ ｓ ｅ ｏ ｏ ｍａｅ ｈ ｗ ｗ ｌ ｔ ｅｓ ｌ ｔｉ ｏｍａｉ ｏ ｔ ｉｅ ｔ ｎ ｔ ｅ ｓ ｕ ｃ ｓ ｅ ｎ ｏ ｈ ｗ ｓｐ ｅ ｅ ｔｄ ｂ ｅｃ ｍｐ ｓｔ ｉ ｇ ．Ｓ ｎ ｅｈ ｍａ ｙ ｓ ａｅ ｍｏ ｅｓ ｎ ｉ ｖ ｏ ｒｇｏ ，ｂ ｉｉｇ ｈ ｇ ｅ ｉｈ ｏｔ ｏ ｅ ｒ ｇｏ ｓ ａ ｒ ｓ ｎ ｅ ｙ ｔ ｏ ｏ ｉ ｍａ ｅ ｉ ｃ ｕ ｎ ｅ ｅ ｒ ｒ ｅ ｓ ｉｅ ｔ ｅ ｉｎ ｙ ｇｖｎ ｉ ｈ ｒ ｈ ｅ ｔ ｗｅｇ ｔ ｈ ｓ ｅ ｉｎ ｔ ｗｉ ｉｈ ｓ ｌ ｎ ｙ ｖ ｌ ｅ ｉ ｈ ｏ ｒｅ ｉ ｇ ｓ ｔ ｅ ｎ ｗ ｍｅ￣ｃ ｅ ａｕ ｔｄ ｔ ｅ ｑ ａ ｉ ｆ ｔ ｅ ｆｓ ｄ ｉ ｇ ｙ ｃ ｍｐ ｔ ｇ ｔ ｅ ｔ ｈ ｇ ａｉ ｃ ａ ｕ ｎ ｔｅ ｓ ｕ ｃ ｍａ ｅ ， ｈ ｅ ｔ ｖ ａｅ ｈ ｕ ｌ ｙ ｏ ｈ ｕ ｅ ｍａ ｅ ｂ ｏ ｕ ｉ ｈ ｈ ｅ ｌ ｔ ｎ
基于图像质量因子的图像融合客观评价方法
文章编号 :10012506X(2006) 0320463204
系统工程与电子技术 Systems Engineering and Elect ro nics
Vol. 28 No . 3 Mar. 2006
基于图像质量因子的图像融合客观评价方法
郑永安 , 宋建社 , 周文明 , 袁礼海
近似程度 ,取值范围为[0 , 1 ] , 当且仅当 x- = y 时取 1 , 此时
两者有相同的平均亮度 ; 图像的方差一般用来估计其对比
度 ,式 (9) 的右边部分衡量图像对比度相似性 , 取值范围同 样是[0 ,1 ] ,当且仅当两者有同样的对比度 ,即σx =σy 时 ,取
最优值 1 。
图像信号是一种非平稳信号 ,而图像质量因子是一个
关键词 : 图像融合 ; 客观评价 ; 图像质量因子 ; 熵 中图分类号 : TP391. 4 文献标识码 : A
Objective evaluation method f or image f usion based on image quality index
ZH EN G Yo ng2an , SON G J ian2she , ZHOU Wen2ming , YU AN Li2hai
( T he S econ d A rtillery En gi neeri ng Uni v . , X i’an 710025 , Chi na)
Abstract : An objective evaluation met hod for image f usion based on image quality index is presented. The ent ropy weighting and t he mean root image f usion quality index is employed for integrating t he correlation , lu2 minance distortio n and cont rast distortion between t he f usioned image and t he resource images. Wit h different f usion met hods , t his met hod offer s a standard statistical evaluation rule. The weighted averaging , Laplacian pyramid and wavelet t ransfor m f usion met hods for t he f usion of multi2sensor images are evaluated. The evalua2 tion result s show t his met hod is effective and robust .
一种抗模糊失真的结构相似度图像质量评价法
测质量 分 。Ｓ Ｉ 算 法 简单 ， 于 Ｐ Ｎ ＳＭ 优 Ｓ Ｒ方 法 ， 价 性 评 能好 ， 它对 平移 ， 放 ， 转非 常敏感 ， 不能对模 糊 但 缩 旋 也
图像作 出客 观的评 价 。而 引入 的复 数小 波 ， 较好 地 解 决 了图像微 小的平 移 、 缩放 、 转 变换 引起 的失 真¨ 。 旋 考虑到人 们 能够多视 角观察 图像 ， 了使模 型更 准确 ， 为 提 出 了多尺度 的结 构 相似 度评 价 方法 （ — ＳＭ） ， ＭＳ Ｓ Ｉ 通 过将 它们 加 权乘积 获得最 终 的预测 质量分 。但是模 糊 图像 的客观评 价 问题 一 直没 有 得 到较好 的解 决 ， 而 在 实 际应 用 中 ， 由于 噪声 等 造成 的 图像模 糊 失 真 的情 况 较为普 遍 ， 特别是 一些 视 频业 务 系 统 中模 糊 的情况 也 比较 常见 。，
模 型 计 算 简 单 ， 价 性 能 远 远 优 于 前 两种 方 法 而略 优 于 ＭＳ Ｓ Ｉ 评 — ＳＭ。 关键词 ： 值 信噪 比 ； 构相 似度 ； 峰 结 多尺 度 结 构 相 似 度 ； 图像 质 量 评 价 ； 类视 觉 系统 人
中图分 类号 ：Ｎ ９ Ｔ ３ｌ
文献标 识码 ： Ａ
ＺＨＥＮＧ ． ｉ Ｄｅ ｐ ｎ．Ｓ ＨＥＮ Ｈａ — ｉ ｉｂｎ．ＺＨＡＯ Ｕ—ｅ ｇ ｆｎ
ｔ ｎｔｕｅｏ Ｌ ＩＤｅｔ ， ｅ ａ ｇ Ｕ ｉｅｓｙ ｓ ｔｔ ｆＶ Ｓ ｓ Ｉ ｉ Ｚｈ ｎ ｎｖｒｉ Ｈａ ｇｈ ｕ３ ０ ２ ｔ ｎ ｚ ｏ ０ ７，Ｃ ｉａ １ ｈｎ
Ａｂｓｒ ｔ Ｃｏ ｓｄ ｒｎｇ ｄｆｅ ｅ ｔｔ ｘｕｒ ａ ｄｆｅ ｅ ｔ ｅ ｓｔｖｔ ｏ ｍ ａ ｅ ｅ ｔ ａｃ ： ｎ ｉｅ ｉ ｉｆｒ ｎ ｅ ｔ ｅ ｈ ｓ ｉｆｒ ｎ ｓ ｎ ｉ ｉｙ ｆｒ ｈｕ ｎ ｙ ｓ， ａ ｌ ｒ ｎｓ ｎ ｉ ｖ ｓｒ ｃ ｕ ａ ｓｍｉａ ｉ ｍｏ ｅ ｉ ｂ ｕ ｉ ｅ ｓｔ ｅ ｔｕ ｔ ｒ ｌ ｉ ｌ ｒｔ ｉ ｙ ｄｌ
基于PSNR与SSIM联合的图像质量评价模型
基于PSNR与SSIM联合的图像质量评价模型一、本文概述随着数字图像处理技术的快速发展，图像质量评价在多个领域，如医学影像分析、视频编码优化、图像恢复和增强等，都扮演着至关重要的角色。
然而，如何准确、全面地评价一幅图像的质量仍然是一个挑战。
传统的图像质量评价方法，如基于像素误差的方法（如均方误差MSE和峰值信噪比PSNR），虽然在某些情况下能够提供有用的信息，但它们往往忽略了图像的结构信息和人类视觉系统的感知特性。
因此，开发新的图像质量评价模型，以更准确地模拟人类视觉感知，成为了当前研究的热点。
本文提出了一种基于PSNR（Peak Signal-to-Noise Ratio）与SSIM（Structural Similarity Index）联合的图像质量评价模型。
该模型结合了PSNR在像素级别误差度量和SSIM在结构相似性度量上的优势，通过一种优化的融合策略，实现了对图像质量更全面、更准确的评价。
本文首先介绍了PSNR和SSIM的基本原理和计算方法，然后详细阐述了如何将这两种方法联合起来构建新的评价模型，并通过实验验证了该模型的有效性和优越性。
本文还讨论了该模型在不同应用场景下的潜在应用价值和未来研究方向。
二、PSNR与SSIM原理详解图像质量评价是图像处理领域的一个重要研究内容，旨在评估图像的质量，为图像增强、去噪、压缩等后续处理提供指导。
在众多图像质量评价指标中，峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）和结构相似性指标（Structural Similarity Index，SSIM）是两种广泛使用的评价方法。
本文将详细解析PSNR和SSIM的原理及其在图像质量评价中的应用。
PSNR是一种基于像素误差的图像质量评价方法，它通过对图像像素值进行统计和比较，计算原始图像与处理后图像之间的信噪比来评价图像质量。
PSNR的计算公式为：PSNR = 20 * log10(MA_I) - 10 * log10(MSE)其中，MA_I表示图像像素值的最大可能值，对于8位灰度图像，MA_I为255。
基于局部高斯加权融合的图像质量评价
基于局部高斯加权融合的图像质量评价丰明坤;赵生妹;孙丽慧;施祥【摘要】针对图像质量的局部评价融合问题,基于结构相似度(SSIM)评价算法,研究各种类型滤波器加权因子、滤波器窗口尺度及滤波器标准差参数对SSIM算法性能的影响.基于参数优化的高斯滤波器加权因子,改进峰值信噪比(PSNR)和奇异值分解(M_SVD)2种图像质量客观评价算法,通过优化的高斯权重对图像子块进行局部评价,在融合局部评价结果的基础上获得总体评价结果.实验结果表明,改进PSNR算法的预测斯皮尔曼等级相关系数、皮尔逊相关系数和均方根误差评价指标分别提高了3.78％,2.40％和2.02％,改进M_SVD算法的对应指标分别提升了1.78％,0.67％和4.99％,具有较高的评价稳定性和实时性.【期刊名称】《计算机工程》【年(卷),期】2016(042)008【总页数】6页(P237-242)【关键词】计算机视觉;图像质量评价;图像滤波器;高斯加权;结构相似度【作者】丰明坤;赵生妹;孙丽慧;施祥【作者单位】南京邮电大学信号处理与传输研究院,南京210003;浙江科技学院信息与电子工程学院,杭州310023;南京邮电大学信号处理与传输研究院,南京210003;浙江科技学院信息与电子工程学院,杭州310023;浙江科技学院信息与电子工程学院,杭州310023【正文语种】中文【中图分类】TP391.41随着图像应用的普及,图像质量研究引起了人们的广泛关注[1-4]。
图像质量客观评价方法以其实时、自动、连续等特点成为各领域的研究热点,经典的峰值信噪比(Peak Signal to Noise Ratio,PSNR)评价算法已经获得了广泛应用[5]。
近年来,基于图像工程学理论,提出一些质量评价方法。
文献[6]利用图像灰度统计、对比度统计和结构度统计特性提出结构相似度(Structural Similarity,SSIM)评价方法,提高了PSNR算法的主客观相关系数的评价指标。
医学图像融合质量评价模型
医学图像融合质量评价模型
医学图像融合是指将不同成像模态的医学图像进行融合，并产生一幅高质量的融合图像。
医学图像融合技术已经被广泛应用于医学影像领域，如肿瘤诊断、手术导航、医学教学等方面。
因此，评估医学图像融合的质量是非常重要的。
本文将介绍一种质量评价模型。
目前，医学图像融合的评价方法有很多，如主观评价、客观评价等。
主观评价需要依靠专业医生进行评估，评估结果具有一定的主观性；客观评价则采用计算机程序进行评估，可以得到更加客观的结果。
本文提出的质量评价模型基于计算机视觉技术，包括图像质量评估和结构相似度评估。
首先，图像质量评估是评估两幅图像之间差异的结果。
它通常包括以下几个方面的评估指标：PSNR（信噪比）、SSIM（结构相似性指数）和MSE（均方差）等。
PSNR用于衡量两个图像之间峰值信噪比的大小；SSIM可以测量图像的结构相似性和亮度方向；MSE用于衡量图像的平均误差。
这三个指标结合起来，可以得出一个综合评价结果，从而评估医学图像融合的质量。
其次，结构相似度评估是一种比较两个图像的结构相似性的方法。
它可以测量图像的灰度值分布、对比度、纹理等方面的变化。
在医学图像融合中，结构相似度评估可以用于评估融合图像的边缘清晰度、细节还原以及前景-背景的分离能力。
综上所述，本文提出的医学图像融合质量评价模型结合了图像质量评估和结构相似度评估两个方面，可以提供更全面、更客观的评价结果。
但是，由于医学图像的复杂性和多样性，在不同的医学图像融合应用中，评价模型的具体参数可能需要进行调整和优化。
一种抗模糊失真的结构相似度图像质量评价法
第24卷第10期2007年10月机 电 工 程M EC HAN ICAL &ELECTR ICAL ENG INEER I NG M AGA Z I NE V o.l 24N o .10O ct .2007收稿日期:2007-05-09基金项目:国家高技术发展计划(863计划)资助项目(2005AA1Z1260);浙江省科技计划资助项目(2004C11043)作者简介:郑德品(1984-),男,福建泉州人,主要从事信息安全SoC 设计方面的研究。
计算机应用一种抗模糊失真的结构相似度图像质量评价法*郑德品,沈海斌,赵武峰(浙江大学超大规模集成电路设计研究所,浙江杭州310027)摘 要:针对人眼对不同图像纹理的敏感差异,提出了一种抗模糊失真的加权结构相似度(W SS I M )图像质量评价方法,它通过提取人眼敏感的边缘信息,将图像分割成不同区域,进行加权处理,获得加权结构相似度(W SSI M ),解决了SSI M 对于严重模糊图像的评价问题。
在LI V E 图库中的高斯模糊库(Gaussian_B l u r)与PSNR,SSI M ,多尺度结构相似度(M S_SSI M )进行仿真比较。
实验结果表明,W SSI M 模型计算简单,评价性能远远优于前两种方法而略优于M S_SSI M 。
关键词:峰值信噪比;结构相似度;多尺度结构相似度;图像质量评价;人类视觉系统中图分类号:TN 391 文献标识码:A 文章编号:1001-4551(2007)10-0082-03A blur i n sensitive structural si m ilar ity for i m age quality assess m entZ HENG De -p i n ,S H EN H a-i b i n ,Z HAO W u -feng(Instit ute of VLSI D esi gn ,Zhejiang Universit y,H angzhou 310027,Chi na)Abstrac t :Cons i de ri ng d ifferent texture has d ifferen t sens itiv ity for hu m an eyes ,a b l ur i nsensitive structura l si m ilar i ty m ode l (W SS I M )w as proposed ,wh i ch based on edge to pa rti tion d ifferent w e i ght reg i on .Experi m enta l compar i sons w it h P S NR,SSI Mand M S_SSI M on the L I V E database show t ha t t h is appoach is si m ple to ca lcu l a te ,the perfor m ance i s m ore exce llent t han PSNR,SS I M and be tter t han M S_SSI M.K ey word s :peak si gna-l no i se ratio (PSNR );struc t ural si m ilarity (SS I M );mu lt-i sca l e structura l si m il a rity (M S_SSI M );i m ag e qua lity assess m ent (I QA );hu m an v isua l syste m (HVS)0 前 言人眼是图像接收处理的终端,采用MOS (M ean Op i n i o n Score)或D MOS(D ifferen tialMOS)指标的主观评价方法才是图像质量评估最合理的方法,但由于其具有的不易操作性,在图像质量评价系统中只能采用客观评价方法。
医学图象质量评价中的梯度加权SSIM
医学图象质量评价中的梯度加权SSIM
佚名
【期刊名称】《计算机工程与应用》
【年(卷),期】2011(047)024
【摘要】Zhou Wang等人提出了著名的图像客观质量评价方法:结构相似度(SSIM),其理论基础是人眼视觉系统能高度自适应地提取场景中的结构信息,大量实验证明SSIM的评价性能多优于PSNR(或MSE)。
然而,由于视觉掩盖效应的影响,且SSIM规避了HVS底层视觉特性,直接导致SSIM的评价常与主观评价不符。
在深入研究SSIM算法的基础上,根据人眼视觉的掩盖效应之特性,提出图像中不同区域的失真程度引导的权值设计方案:基于梯度加权的SSIM图像质量评价方法(GWSSIM)。
实验结果表明,GWSSIM的图像质量评价准确性高于PSNR和SSIM,尤其适用于医学图像。
【总页数】6页(P205-210)
【正文语种】中文
【相关文献】
1.HVS模型及其在静止图象压缩质量评价中的应用 [J], 曹圣群;黄普明;鞠德航
2.基于梯度方向信息的医学图像质量评价方法研究 [J], 郭龙;郑剑
3.基于小波加权系数和平均梯度的医学图像融合 [J], 任青
4.基于视觉感知梯度SSIM的图像质量评价方法研究 [J], 袁莉;邹海
5.屏气扰相梯度回波序列与呼吸导航反转恢复梯度回波序列在肝脏MRI T1加权成像中的对比应用 [J], 李晖;朱海东;王咏涛;张信忠
因版权原因，仅展示原文概要，查看原文内容请购买。
LPIPS评价指标的计算
LPIPS评价指标的计算LPIPS（Learned Perceptual Image Patch Similarity）是一种衡量图像质量的评价指标，它通过计算图像块的相似度来评估图像的感知上的差异。
相比于传统的评价指标（如PSNR、SSIM等），LPIPS更能够符合人类主观感知。
1.数据准备：为了计算LPIPS，首先需要准备一对输入图像，比如原始图像和经过处理后的图像。
这对图像可以是同一张图像的不同版本，也可以是两张不同的图像。
2. 特征提取：LPIPS使用预训练的CNN从输入图像中提取特征。
CNN可以是基于VGG、Inception或ResNet等结构的任意网络。
在特征提取中，CNN会将输入图像以小的图像块为单位进行处理，并生成相应的特征向量。
3.特征距离计算：LPIPS使用特征向量之间的距离来衡量图像之间的相似度。
常用的特征距离计算方法有欧氏距离、余弦距离等。
计算时，通常会对特征向量进行标准化处理，以消除不同维度的差异性。
4.融合与平均：LPIPS会对所有图像块的距离进行融合与平均，从而得到一个最终的评分。
通常可以使用平均距离或加权平均距离作为LPIPS的评估结果。
需要注意的是，计算LPIPS所需的CNN模型是预先训练好的，并且需要使用大量的图像数据进行训练。
因此，实际计算LPIPS指标时可以直接使用现有的预训练模型，而无需自行训练网络。
LPIPS指标的计算过程相对复杂，但它可以更准确地反映图像质量的感知上的差异。
相比于传统的评价指标，LPIPS具有更好的与人类主观感知一致性，可以更好地用于衡量图像生成、图像修复等任务的效果。
因此，在图像处理和图像生成领域，LPIPS被广泛应用于评估算法的性能。
fsim指标 -回复
fsim指标-回复FSIM（Feature Similarity Index for Image Quality Assessment）是一种用于评估图像质量的指标。
该指标主要基于图像的特征相似度，通过计算参考图像与被评估图像之间的相似度来衡量图像的质量。
本文将逐步回答关于FSIM指标的相关问题，包括其原理、计算方法以及在实际应用中的意义。
一、FSIM指标的原理FSIM指标的原理建立在人类视觉系统（HVS）的认知机制基础上。
人眼在对图像的感知中，对局部结构、对比度和全局结构都有较高的敏感度。
因此，FSIM指标通过模拟这些认知机制，将这三个方面的质量特性结合起来，从而更准确地评估图像的质量。
具体而言，FSIM指标主要有两个关键部分。
首先是结构相似性（SSIM），它用于评估图像的局部结构相似性。
SSIM通过比较两个图像的亮度、对比度和结构之间的差异来确定它们的相似程度。
其次是梯度相似度（GSM），它用于评估图像的对比度特性。
GSM通过比较两个图像的梯度分布来测量它们的对比度相似性。
这两个部分共同构成了FSIM指标，以综合评估图像的质量。
二、FSIM指标的计算方法FSIM指标的计算方法分为两个步骤。
首先，通过计算参考图像和被评估图像之间的结构相似性（SSIM）和梯度相似度（GSM）来得到相应的分数。
然后，将这些分数进行加权求和得到最终的FSIM指标。
具体而言，SSIM的计算过程涉及到亮度、对比度和结构的比较，而GSM 的计算过程涉及到梯度的求解和梯度分布的比较。
对于每个图像，SSIM 和GSM的分数都在0到1之间，分数越高则表示相似度越高，图像质量越好。
三、FSIM指标的意义与应用FSIM指标在图像处理和计算机视觉领域具有广泛的应用意义。
首先，该指标可以用于图像质量评估。
在图像压缩、图像增强和图像复原等任务中，FSIM指标可用作评估算法效果的标准。
通过对比不同算法的FSIM指标，可以选择性能更好的算法进行图像处理。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ＸＵ ｈ ｏ—ａ Ｓ ａ ｆｎ， ＬＩ Ｘｉｎ—ｅ ｇ， Ｕ ａ ｆ ｎ
ＤＩＨｏ — ｉ ｎｇ ｗｅ
（ｎｔｕ ｆ ｐｏｌ ｔ ｎ ｎ ｉ ｅｉｇ Ｊ ａ ｎｖｒｔ， ｕｎｚｏ ６ ２ Ｃ ｉａ Ｉｓｔｔ ｏ ｔ ｅ ｒ ｉ Ｅ ｇｎ ｒ ， ｉ ｎＵ ｉｅ ｉ Ｇ ａ ｇｈｕ５ ０ ３ ， ｈ ） ｉ ｅ Ｏ ｅ ｅｏ ｅ ｅ ｎ ｎ ｓｙ １ ｎ
ｕ ｅ ｏｃ ｏ ｓ ｈ ｅｔａｇ ｒｔｍ ｎ ａ ｐｉａｉｎ ． Ｔ ｅ ｅ ｐ ｒｍｅ ｔ ｏ ｉｅｅ ｔｉ ｇ ｕ ｉｎ ａｇ ｒ ｍｓ ｓ ｄｔ ｈ ｏ ｅ ｔｅ ｂ ｓ ｌｏ ｈ ｉ ｐ ｌ ｔ ｓ ｈ ｘ ｅｉ ｎｓ ｆｄｆ ｒｎ ｍａ ｅ ｆｓｏ ｌｏ ｔ ｉ ｃ ｏ ｉ ｈ
［ ｂｔ ｃ］ Ａ ｐ ｉ ｅｔｅｒ ｆｓｕｔ ａ ｉｏｍ ｔｎ ｑａｔ ａｓｓｍ ｎ ｍｅ ｏ ｆｉａｅｆｓ ｎ Ａ ｓ ａｔ ｒ ｐ ｌｎ ｔ ｏｙｏ ｔ ｃ ｒｌｎ ｒａｉ ，ｕｌｙ ｓｅｓ ｅｔ ｔ ｄｏ ｇ ｕｉ ｙｇｈ ｈ ｒ ｕ ｆ ｏ ｉ ｈ ｍ ｏ
ｂ ｓ ｄ ｏ ｅ ｇ ｔ ｄ ｓ ｕ ｔｒ ｌ ｓ ｌ ｒ ｓ ｐ ｅ ｅ ｔ ｄ ａ ｅ ｎ ｗ ｉｈ ｅ ｔ ｃｕ ａ ｉ ａ ｔ ｉ ｒ ｓ ｎ ｅ ．Ｔ ｅ ａ ｓ ｓ ｍｅ ｔｃ ｎ ｉｅ ｓ ｕ ｔ ｒ ｌ ｉｆ ｒ ａ ｏ ｆ ｒ ｍｉ ｉ ｙ ｈ ｓ ｅ ｓ ｎ ｏ ｓ ｍ ｔ ｃｕ ａ ｎ ｏ ｄ ｒ ｍ ｔ ｎ ｏ ｉ ｉ ｇ ｎ ｈ ｒｃ ｅ ｓｉｓ ｏ ｕ ｎ ｖ ｓ ａ ｙ ｔ ｍ．Ａｎ ｔｄ ｅ ｏ ｅ ｄ ｔ ｅ ｒ ｆｒ ｎ ｅ ｉ ｇ ，Ｓ ａ ｅ ｍａ ｅ ａ ｄ ｃ ａ ａ ｔｒ ｔ ｆｈ ｍａ ｉｕ ｌｓ ｓｅ ｉ ｃ ｄ ｉ ｏ ｓｎ ｔｎ ｅ ｈ ｅｅ ｅ ｃ ｍａ ｅ Ｏ ｃ ｎ ｂ
量评价结果表明该 方法是有效的．
［ 关键词 】 结构相似度 ； 图像融合质量评价 ； 人眼视觉系统 ［ 中图分类号 ］ Ｔ ３ １ Ｐ９ ［ 文献标识码］ Ａ ［ 文章编号］ １０ ９ ６ （０ ７ ０ ０ ７ ０ ００— ９ ５ ２０ ）５— ４ ０— ４
Ａｎ ｉ ａ ｅ ｆ ｉ ｎ ｕａ ｉｙ ａ ｓ ｓ ｍ ｅ ｓ ｄ ｏ ｔ ｕｃ ｕｒ ｌｓｍ ｉａ ｉｙ ｍ ｇ ｕｓｏ ｑ ｌｔ ｓ ｅ ｓ ｎｔｂａ ｅ ｎ ｓ ｒ ｔ ａ ｉ ｌ ｒ ｔ
价 方法 是 由判读 员 直 接对 图像 进行 质 量评 价 ， 有 具 简 单直 观等 特点 ， 而 在人 为评 价 融合 质 量 的过 程 然
中， 会有很多主观因素影 响评价结果．目前常用的
客观 评 价 方 法 主 要 有 ： Ｅ Ｐ Ｎ 、 准差 、 均 梯 ＭＳ 、 Ｓ Ｒ 标 平 度 、 息熵 、 信 交互 信 息量 等．这 些 方法 或者 是基 于 像 素点 间 的误 差 ， 或者 是依据 图像 的统计特 性 ， 它们 的
图像 融合是指 源于多 源通 道所采 集 的关 于 同一 目标或 场景 的 图像 经 过 一定 的处 理 ， 提取 每 个 通道 像 融合 的一个关 键 ， 然而 对 图 像 融合 质 量 的评 价 问 题却 一直 没有 得到很 好地 解决 － ． ３ Ｊ 目前 ， 价 图像融 合 效果 的方法 主 要 可 以分 为 评
维年 １ Ｏ月
暨南大学学报 （ 自然 科 学 版 ）
ＶＯｌ２８ Ｎ ｏ ５ ＿ ． Ｏｃｔ ２ 玎 ０（
Ｊｕｎｌ ｆ ｉａ ｉｅ ｉ （ ｔ ａ Ｓｉ ｃ） ｏｒａ ｏ ｎｎＵｎｖｒｔ Ｎａ ｒ ｃｅ ｅ Ｊ ｓｙ ｕｌ ｎ
基 于加权 结 构 相似 度 的 图像 融 合质 量 评价
许少凡 ， 刘显峰， 狄红卫
（ 暨南大学 光电工程研究所 ，广东 广 州 ５ ０ ３ ） １６ ２
［ 摘
要］ 利用结构信息理论 ， 出了基于加权结构相似度的图像 融合质量评价方法．该 方法充分考虑 了图像 的 提
结构信息和人眼的视觉特性 ， 无需 标准参考 图像 ， 以为不同场合 下选择 不同的算法 提供依据．不 同融合算法的质 可
ｄ ｍｏ ｓｒ ｔ ｈ ｔ ｔ ｓ ａ ｆ ｃ ｖ ｓ ｅ ｓ ｎ ｆ ｍａ ｅ ｆ ｓ ｎ ｑ ａ ｉ ． ｅ ｎ ｔ ｅ ｔ ａ ｎ ｅ ｅ ｔ ｅ ａ ｓ ｓ ｍｅ ｔ ｇ ｕ ｉ ｕ ｔ ａ ｉｉ ｉ ｏ ｉ ｏ ｌ ｙ
［ ｅ ｏｄ ］ ｓｕｔ ａ ｓ ｉｒｙ ｉａｅ ｕｉ ｕｌ ｓ ｓ ｅｔ ｈｍ ｉ ａ ｓ ｔ Ｋ ｙｗ ｒｓ ｔ ｃ ｒ ｍｌ ｉ ； ｍ ｇ ｓ ｎｑａｔ ａｓ ｓ ｎ； ｕ ａ ｖ ｕｌ ｙ ｅ ｒ ｕ ｌｉ ａｔ ｆｏ ｉ ｙ ｅｍ ｎ ｓ ｓｍ
［ 收稿 日期 ｊ ２０ ０ ０ ７— ３一Ｉ ２
两类 ｌ ， 主观评 价 方 法 和 客观 评 价 方 法 ．主观 评 － 即 ４ Ｊ
的互补信息 ， 综合成信息更丰富、 对同一场景或 目 标
的描述更 准确 、 面 、 全 可靠 的 图像 或 图像 特征 ．图像
融合能够提高系统可靠性和信 息利用率 ， 广泛应用
于遥 感 、 算机视 觉 、 计 医学军 事 目标 探测 和识别 等方 面 ．近 年 来 ， 少 学 者 提 出 了 多 种 图 像 融 合 方 不 法 ¨ Ｊ如 主成分 分析方 法 （ Ｃ 、 于金 字 塔分 解 ， Ｐ Ａ）基 的算法 、 小波 变换方 法等 ．对 于 同一对 象 ， 同 的评 不 价 融合效 果 ， 即如何 评 价 融合 图像 的 质量 就 成 为 图