2014 11 20 ,週四
 
 

一、 影像品質評估

一、 影像品質評估

  常見的客觀評量方法有影像方面的MSESNRPSNRS-CIELAB色差評估模式及Structure Similarity(SSIM)的評估方式,其中最廣泛被使用的客觀評量方法是Peak Signal to Noise Ratio(PSNR)

評估方式如下:

(一)    均方差(Mean Square Error, MSE)

  均方差為一般影像評估常用的方式之一,求出來的MSE值越小,表示輸入影像與複製影像之間的差異少,也就代表品質較好。均方差主要計算方式是將輸入影像以及複製影像的每一個像素點相減,再將其差值的平方加總起來取平均值,取得MSE值,其計算公式如方程式下所示。

(二)    訊噪比(Signal to Noise Ratio, SNR)

  訊噪比是指影像中信號與雜訊的比值,而雜訊的取得則是由複製影像以及輸入影像相減之後的差值,一樣是針對影像的每一個像素點來計算,其計算公式如下方程式。計算出來的比值,數值越大,表示雜訊越少,複製影像與輸入影像越相似,代表影像品質也越好。

 

(三)    PSNR(Peak Signal to Noise Ratio)

  PSNR也就是峰值訊噪比,經常用作圖像壓縮等領域中信號重建質量的測量方法,它是利用影像信號的最大值與影像中雜訊的比值作為評估的標準,其計算公式如下方程式,其中 代表是表示圖像點顏色的最大數值,如果每個像素點用8位表示,那麼就是255。在利用PSNR算出來的比值越大,代表複製影像與輸入影像越接近,影像品質良好。

(四)    S-CIELAB色差評估模式

  所謂色差公式,是在相同環境下,將人眼對於兩種色彩的視覺差異,以量化形式表示的計算公式。CIELAB是為CIE協會所認可的標準色差公式之一。在這個色域空間內的色彩座標值可標示為L*a*b*,是經由CIE色彩的三色剌激值XYZ所轉換過來者。

  在CIELAB色彩空間內,兩點之距離代表人眼感知對於色彩的色差。分別以L*a*b*,代表兩點在人眼感知中對於彩度軸以及非彩度軸之物理距離,但其計算方式是仍以整體的平均量來計算。然而人眼對於每個分量的色差敏感度若不相同,便無法得知兩色彩真正的色差,因此不斷的有不同之色差公式的發展。其CIELAB色差公式如下公式:

  利用CIELAB色差公式預測單一色塊與單一色塊的色差預測是非常適用的。但是在色差公式發展成熟之餘,如何將現有色差公式應用於複雜影像則所要考慮的因素也就更多。因此,CIELAB色差公式僅適用於單一均勻色塊的色差評估,因此加入空間域分佈的概念,將CIELAB色差公式延伸推展,而推導出S-CIELAB的色差評估模式。

(五)    結構相似性品質指標SSIMStructural SIMilarity

  結構相似性指標是用於測量在兩幅影像之間相似性的一種方法。SSIM指標係改進以前提出的通用性影像品質指標(UQI)模型,而可以被視為一個完美的影像品質量測。

  此一指標模型可以透過比較誤差敏感性理論(Error Sensitivity Philosophy)而得到瞭解。首先,誤差敏感性接近估計察覺錯誤確定影像降低的數量,考慮影像降低而察覺在架構性訊息變化的變化。其次,錯誤差敏感性理論由下而上的方式,相關功能類似早期HVS系統。而此模型是由上至下,模仿HVS的功能性,避開在以前部分提及臨界值的問題,因為它不倚賴臨界值確定察覺的變形數量。並降低相互作用問題,因此結構相似性指標主要在評估兩張影像間的結構變化。

 

1結構相似性量測系統圖

  傳統客觀品質指標是以統計的方法計算出有關於整張影像整體灰度值誤差的總和,而結構相似性指標不單僅是利用計算灰度值誤差的方法,並以模擬人眼視覺系統(HVS),來進行影像品質評估結果,而由結構相似性指標計算結果卻可得到不同的指標值,並且得到符合人眼視覺的評估結果。

(六)    通用性影像品質指標UQI(Universal Quality Index)

  通用性影像品質指標,對於各類型影像處理均可適用,設計上是以任何影像失真模型均含有三種因素:相關係數降低、亮度改變及對比改變。

  模型評估影像的最佳及最差的量化值均介於-1+1之間,因此可得到比較具體的評估值。

 

(七)    HVS-PSNR(HVS- Peak Signal to Noise Ratio)

  HVS-PSNR不同於傳統的PSNR,因為HVS-PSNR加入了影像評估的前置處理,在計算每一個像素點的誤差值後,將其通過高斯低通濾波器,模擬人類視覺的低通特性,再計算影像失真的幅度,可以得到接近人眼所察覺到的影像評估值。HVS-PSNRPSNR一樣,評估值越大,代表轉置影像的影像品質越好。