图像质量评价之结构相似性SSIM(上)

本文介绍了结构相似性(SSIM)作为图像质量评估的经典指数,强调其在度量失真图像质量中的重要性。SSIM是一种全参考的客观评价标准,旨在模拟人类视觉系统对图像结构的感知。与均方误差(MSE)等传统指标相比,SSIM更注重图像的结构信息,适用于优化图像处理算法和视频流资源分配等领域。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本文总结归纳自论文 image quality assessment: from error visibility to structural similarity

概述

这篇文章主要介绍对图像质量进行打分评价的一个很经典的指数——结构相似性(structual similarity, SSIM)

具体一点儿来说,图像在各种情况下都有可能失真,比如经过传输、压缩和缩放等等。图片变换之后,我们自然很想知道失真图像(distorted image)的质量如何,也就是要对它进行图像质量评价(image quality assessment)。注意这种评价应用很广泛,比如可以用作神经网络中的损失函数来度量生成图片的质量。所以了解这个指数是很有用滴~

总体来讲,本文提出了一种符合人类直觉的图像质量评价标准,叫做SSIM。SSIM的全称为structural similarity,也就是”结构相似性“的意思。从名字上我们不难发现,这种指标是在致力于向人类的真实感知看齐。


主观 VS 客观

那么现在问题来了,图像质量究竟要怎么评呢?大体来说,评价标准分为两类:**客观(objective)

评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值