质量评价报告文档格式.docx
《质量评价报告文档格式.docx》由会员分享，可在线阅读，更多相关《质量评价报告文档格式.docx（17页珍藏版）》请在冰豆网上搜索。
按照对参考图像的需求，可将客观评价方法分为三类，分别为：
无参考、部分参考和完全参考图像质量评价。
分类介绍如下：
1无参考图像质量评价方法
单幅图像的信噪比SNR
给定一幅图像，若需要估计它的信噪比，则可以在图像上找一个平坦区域，在平坦区域计算局部方差并平均作为噪声方差，在许多情况下图像中没有适合的平坦区域，则可以用如下算法来估计信噪比：
计算图像的局部方差，图像边界附近的方差不考虑在内。
用图像局部方差的最大值和最小值之比作为图像信噪比的估计。
此方法只适用于SNR在20到60之内的图像。
信息熵E（entropy）
熵（Entropy）是用来表示任何一种能量在空间中的均匀分布程度。
能量分布得越均匀，熵就越大。
如果对于一个系统，当其能量完全均匀分布时，那么这个系统的熵就达到最大值。
在信息论中Shannon引入信息熵，即事件发生的不确定程度。
如果一个事件（例如收到一个信号）有n种可能的结果（A1，A2，……An），且每个结果Ai出现的机率分布为Pi（i=1，2，……n），那么最终结局在出现之前的不确定程度H为：
其中C是常数，它与对数进制有关（如果现在二进制，则C=1；
如果现在e进制，则C=1/ln2）。
根据这个理论，可以得到影像的信息熵E为：
其中P（i）是某个像素值i在影像中出现的概率，n是灰度值范围（一般为0～225）。
影像的信息熵E值越大，则影像中偏离影像直方图高峰灰度区的大小越大，所有灰度值出现的机率趋于相等，影像携带的信息量越大，信息越丰富。
Matlab函数：
functions=entropy（image）。
平均梯度（gradient）
平均梯度可敏感地反映出影像对微小细节反差的表达的能力，在影像中，某一个方向的灰度级变化率大，则它的梯度也就大。
定义平均梯度的表达式为：
其中，m、n分别为影像的宽和高，fi，j为影像像素（i，j）的灰度值。
用平均梯度值来衡量影像的清晰度，能够反映出影像中微小细节反差和纹理变换特征，一般说来，该值越大，影像层次越多，影像就越显得清晰。
可以予以评价融合结果影像的细节表达能力。
functionvarargout=gradient_average（f,varargin）。
标准差σ（Standard_deviation）
根据统计学中的知识，可以得到有关影像灰度的均值与标准差的定义，如下：
灰度平均值
标准差
其中，n表示影像中像素的总数，xi为第i个像素的灰度值。
灰度平均值μ即是影像亮度的平均值，一个适中的亮度均值可以反映出影像的效果比较理想；
标准差σ是影像灰度值相对于均值的分散度的测定，值越大则影像的灰度范围越是趋于分散，图像的反差大，得到的影像的信息量也越大；
反之，则反差小，对比度不大，色调单一均匀，信息量小。
融合影像的分辨率与替代影像的标准差相关，一般来说，替代影像的标准差越大，影像的分辨率越高。
functionsd=standard_deviation（img）。
空间频率SF（spacial_frequency）
空间频率反映了一幅影像空间的总体活跃程度，它包括空间行频率RF以及空间列频率CF，其表达式为：
综合两者得到整体空间频率值：
functionsf=spacial_frequency（img）。
无参考压缩质量评价NRQA（NoReferenceQualityAssessment）
无参考压缩图像质量评价主要针对JPEG2000压缩图像，利用自然图像和压缩重建图像的小波域统计特性对比，反映了一幅影像的高频损失程度，从而表明其压缩重建质量，其表达式为：
其中，Ki，Ti是通过训练样本的曲线拟合得到的，ui是训练样本均值，pss是联合概率分布，w值是训练样本时，使质量指标误差最小得到的。
functionNRQA=jp2knr_quality（img）。
2完全参考图像质量评价方法
把所有方法都应用于LIVEdatabase，测出其与主观一致度。
峰值信噪比PSNR
如果认为标准参考影像是信息，且处理结果影像与标准参考影像的差异是噪声，那么定义结果影像峰值信噪比（PeakSignalNoiseRation）表达式为：
其中，m、n分别为影像的宽和高，Ri，j、Fi，j分别为标准影像和结果影像在对应像素（i，j）的灰度值，max、min分别表示取最大值和取最小值。
functionPSNR=Peak_snr（img1,img2）.
主客观评价曲线拟合结果
JPEG2000
JPEG
wn
gblur
fastfading
R-square
0.7846
0.7331
0.9513
0.6132
0.7878
RMSE
7.609
8.355
3.574
9.916
7.684
结论：
PSNR基本可以评价压缩、模糊和加噪这几种降质类型的图像，但对加噪图像评价最为精确。
通用质量评价指数UIQI（UniversalImageQualityIndex）
其中，分别为参考图像和重建图像的均值，，分别为其方差，为两幅图像的协方差。
若两幅图像完全相同，则UIQI值为1，重建图像越接近原始影像，UIQI值越接近1，重建效果越好。
functionUIQI=UnImgQuaIndex（img1,img2）。
0.8149
0.8515
0.6089
—
0.8263
10.59
9.43
13.91
9.235
UIQI并不能很好的评价实验中的几种降质类型图像。
交叉熵cross_entropy
对于两个随机变量x，y，它们在各自的采样空间中的概率分别为px、py，则定义两者的交叉熵（CrossEntropy）的表达式为：
交叉熵可以用来测定两幅影像灰度分布的信息差异，如果原始影像与处理后影像的灰度分布概率分别为：
，（影像灰度范围0～n），则可定义两者的交叉熵的表达式为：
functionce=cross_entropy（img1,img2）。
0.8767
8.591
交叉熵只能用于评价JPEG压缩重建图像，且并不精确。
全图最大局域误差LME，LocalMaximumError
全图最大局域误差评价处理后图像与原始影像每一固定大小区域之间的最大误差，误差越大，处理后图像质量越差。
functionLME=local_maximum_error（x,y）;
0.9462
0.846
0.9843
0.9293
0.868
5.709
9.561
2.784
5.818
8.073
LME可以较好的评价实验中的几种降质类型的图像，其中，对加噪图像评价最为精确。
光谱扭曲度spectrum_distortion_degree
单波段影像的光谱扭曲度的表达式为：
其中，m、n为影像宽和高，xi，j、x'
i，j分别为原始影像和结果影像上对应像素（i，j）的灰度值。
光谱扭曲度可以用于反映结果影像与原始影像在光谱信息上的差异的大小，也常被称为偏差，其值越小，则表明两者差异越小，重建效果也就越好。
functionsdd=spectrum_distortion_degree（img1,img2）。
0.9107
0.7543
0.9865
0.8018
0.8759
7.353
12.08
2.584
9.796
7.873
SDD基本可以用来评价实验所包括的几种降质类型的图像，其中，对加噪图像的评价最为精确。
偏差指数Difference_Index
偏差指数（DifferenceIndex）用来比较结果影像和原始影像偏离的程度，定义结果影像的偏差指数的表达式为：
偏差指数的大小反映了结果影像对原始影像的保持程度，偏差指数越大，则融合结果影像的失真越大，重建效果越差。
functiondi=difference_index（img1,img2）。
0.9104
6.657
DI只能用于评价加噪图像，且并不精确。
相关系数correlation_coefficient
相关系数能够反映两幅影像的光谱特征的相似程度，定义结果影像F与原始影像Ai的相关系数的表达式为：
i，j分别为原始影像和重建影像上对应像素（i，j）的灰度值，、分别为原始影像和结果影像像素灰度均值。
重建影像与原始影像的相关系数越大，重建影像质量越好。
functioncc=correlation_coeff
升级会员 