评价指标"/>
图像评价指标
1.图像评价指标
图像评价指标用来客观评价图像处理中算法的优劣性,一般在对比实验中突出自己提出的算法的亮点。一般来说,每个细分的领域都有相应的指标,如边缘检测,有PFOM(Pratt’s Figure Of Merit)[1][2](第一个引用是它的来源,第二个引用是使用它的例子);图像增强,有EEME(Evaluating image Enhancement Measure by Entropy)[3][4]。
还有一个比较大的领域–图像复原,包括图像去噪、去模糊、去雾等的评价指标基本上是通用的,都可以用复原后图像与参考图像对比来进行评价,即有参考图像评价指标。相应地提出一系列的指标:(R)MSE, (M)SSIM, PSNR(CSNR)等等,这些指标比较常见。原则上来说,采用越通用的指标,如去噪大家都采用PSNR和SSIM,这样得到的结果也越令人信服。#每种指标都有具体针对的情况,根据评价的目的和情况来设计评价算法。
接下来介绍几种评价指标:
2.SMD2[5]
图像的清晰度可以这样得到:对于模糊的图像,其整个图像的灰度较为均匀,相邻像素之间的差值会很小,相乘之后的结果会很小;图像越清晰,那么,边缘跟其周围像素灰度的差值也越大,相乘之后的值也会更大,这样就可以定义一个指标:灰度方差乘积(SMD2),它可以快速准确地来判断一副图像清晰的程度。
用代码实现如下:
double getSMD2(const Mat& test)//SMD2=sum(|test(x,y)-test(x+1,y)|*|test(x,y)-test(x,y+1)|)
{double temp = 0;const uchar* ix;const uchar* ix1;for (int i = 0; i < test.rows-1; ++i){ix = test.ptr<uchar>(i);ix1 = test.ptr<uchar>(i + 1);for (int j = 0; j < test.cols-1; ++j){temp += abs(ix[j] - ix1[j])*abs(ix[j] - ix[j + 1]);}}return temp / (test.rows * test.cols);
}
3. 人眼特性评价指标HVSNR[6]
人类的视觉感知有3个显著的特性,即视觉非线性特性(Weber定律)、视觉敏感度带通和视觉多通道及掩盖效应。利用小波变换与HVS多通道特性相匹配的特点,建立一种和人的视觉评价保持良好一致的方法,其评价结果与主观评价平均评价分数的相关系数达0.95,而对应的客观评价方法与主观评价平均评价分数的相关系数为0.81。利用对比度敏感度函数的带通特性以简化HVS模型,将不同空间频带失真用Minkowski求和进行非线性合并,最后仿照峰值信噪比的定义,得到结果。具体的步骤是:
(1)将待测图像和标准图像选用D9/7小波进行分解,分解为4级;
(2)将4级小波分为5个频带,对不同空间频带乘于对应的CSF系数;
(3)待测图像和标准图像相减得到5个频带的误差E,然后按照下面公式进行求和:
(4)根据信噪比的定义得到基于人眼视觉特性的信噪比结果:
HVSRN=10log[(2552
更多推荐
图像评价指标
发布评论