从误差的能见性到结构相似.doc

图像质量评估：从误差的可见性到结构相似性 Zhou Wang, Member, IEEE, Alan Conrad Bovik, Fellow, IEEE, Hamid Rahim Sheikh, Student Member, IEEE, and Eero P. Simoncelli, Senior Member, IEEE 摘要 我们评估视觉图像质量的传统方法是去量化可见的误差，这个误差评估是在失真图像和采用了人类视觉系统特性的参考图像之间进行的。假设人类视觉从一个场景中提取结构信息，作为的，我们Structural Similarity Index），然后用一组直观的例子，JPEG和JPEG2000 索引词—误差灵敏度，人类视觉系统（HVS），图像编码，图像质量，JPEG，JPEG2000，质量，结构信息，结构相似度（SSIM）。 数字图像在采集、处理、压缩、存储、传输和再现过程中各种各样的失真，其中任何一个都可能导致视觉质量的退化。图像最终被人看唯一正确的视觉图像质量量化方法。然而在实践中，主观通常不方便，耗时昂贵。客观图像质量研究的目是开发能自动预测图像质量的量化指标客观图像质量可以在图像处理应用中扮演各种角色。首先，它可以动态监测和图像质量。例如，一个网络数字视频服务器可以传输视频的质量，控制和分配媒体资源。其次，它可以用来优化图像处理系统参数。例如，在视觉系统，质量可以隐藏。第三，客观图像质量可用于基准图像处理系统和算法。 可以原始图像与失真图像客观图像质量指标。大多数方法全参考评估方法，这意味一个完整的参考图像已知。然而在许多实际应用中，参考图像是不可用的，一个参考或“盲目”的质量评估方法。在，参考图像仅部分可用，特征作为信息评估失真的图像的质量。这被称为参考评估本文重点研究的全参考图像质量。 最简单和最广泛使用的全参考质量误差（MSE），误差和参考图像的像素，峰值信噪比（PSNR）相关量。，有明确的物理意义，并在但视觉质量基于误差灵敏度的图像质量 一个图像信号可以是失真的和误差信号。的假设是，质量的信号的。误差（MSE），客观量化信号强度。但两个可能有不同类型的，其中一些比另一些。在文献中最的图像质量方法尝试。这种方法是和Sakrison首创，研究人员。 图1说明了一个通用的图像质量评估框架，基于。大多数质量评估模型可以用一个类似的图来描述，虽然它们细节。 预处理：这个阶段通常执行各种基本的操作，消除已知的。首先，和正确和。第二，信号可能被转化为空间，视觉更为。第三，质量可能需要第四，模拟眼视光学函数。最后，非线性点来模拟光适应和图像 CSF滤波：对比敏感度函数（CSF）描述了在不同的空间频率和时间频率上，人眼在视觉激励中的敏感性。有些图像质量指数包含了一个部分，该部分根据这个函数定义信号的权重（通常使用接近的CSF的频率响应的线性滤波器）。许多最近提出的指数都选择CSF作为信道分解后判定灵敏度基准的标准化因子。 信道分解：图像通常次频带，时间空间频率和方向。质量实现复杂信道分解认为视觉皮层的神经反应密切相关许多使用简单的变换，如离散余弦变换（DCT），分离小波变换时间频率分解也被视频质量。 误差：每个中和信号之间的误差根据一定的掩蔽模型计算和考虑到这样的事实，空间时间，空间频率一个图像分量的存在会降低另一个图像分量的。视觉阈。每个点的视觉阈基该的基础灵敏度计算过程的目的是将（JND）。 误差：所有质量指的最后，图像的空间误差信号，并不同的成单一的值。对于大多数质量评估，误差采取闵可夫斯基规范如下： 是第个系数的误差，是一个1和4之间常数。闵可夫斯基（指数），然后（指数），或反之亦然，具有一定的非线性，或可能与不同的指数。空间图不同的相对重要性也可用于提供空间移变加权 局限性 误差灵敏度的基本原理是，量化。这是模拟人类视觉系统（HVS）完成的功能特性。虽然这种自底向上的方法的问题已经普遍接受，重要的是要认识到它的局限性。特别是，人类视觉系统是一个复杂的、高度非线性的系统，但大多数早期视觉模型是基于线性和拟线性算子。因此，灵敏度和。 质量定义问题：传统方法的最基本的问题是图像质量的定义。特别是，它是不明确的，的等同于质量，为一些清晰可见，但不那么。一个明显的例子一个全局比例因子的图像乘法。在[ 29 ]的研究还表明，图像保真度和图像质量之间的相关性是只。 许多误差灵敏度模型理物理学实验，。这些测得的阈值然后被用于确定视觉误差灵敏度的，如在CSF和掩蔽。然而，很少心理物理学研究表明，近阈模型是否可以推广到。在阈值范围，不同间相关视觉阈值？，结合心理物理学分析图像失真。 自然图像复杂度问题心理物理实验是相对简单的方式进行的，如斑点，正弦光栅。例如，使用全正弦图像的阈值实验。掩蔽通常特征在于使用两个（）不同的图案的叠