图像质量评估：从误差的能见性到结构相似性(15 页)Good is good, but better carries it.精益求精，善益求善。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纳了人类视觉系统特性的参考图像之间进行的。在我们的假设中，人类视觉视觉系统非常容易从一个场景中提取结构信息，因此我们引入了一种替代互补架构，用来对结构信息的退化进行质量评估。作为此概念的一个实例，我们引入结构相似度指数（Structural Similarity Index），然后用一组直观的例子证明它，同时把 SSI 与主观评级和图像数据库先进客观算法作了比较，该数据库是基于 JPEG 和 JPEG2000 压缩技术的。索引词—误差灵敏度，人类视觉系统（ HVS），图像编码，图像质量 评估，JPEG，JPEG2000，视觉质量，结构信息，结构相似度（SSIM）。1、介绍数字图像在采集、处理、压缩、存储、传输和再现过程中会产生各种各样的失真，其中任何一个都可能导致视觉质量的退化。为了使图像最终能够被人类看懂，唯一正确的视觉图像质量量化方法就是主观评估。然而在实践中，主观评估通常不太方便，不但耗时，而且昂贵。我们对客观图像质量评估进行讨论的目的，是想开发一种能自动预测图像质量的量化指标。客观图像质量指标可以在图像处理应用中扮演各种角色。首先，它可以用于动态监测和评估图像质量。例如，一个网络数字视频服务器可以检测传输视频的质量，来控制和分配媒体流资源。其次，它可以用来优化图像处理系统参数和算法。例如，在视觉传输系统中，质量指标可以在预滤波器的优化设计，编码器中的比特分配算法，误差隐藏解码器中的后滤波算法几个方面提供帮助。第三，客观图像质量指标可用于基准图像处理系统和算法中。我们可以用原始图像与失真图像做比较，然后用比较之后图像的可用性来对客观图像质量指标来进行分类。现有的大多数方法都可以称为全参考评估方法，这意味我们把一个完整的参考图像认为是已知的。然而在许多实际应用中，参考图像是不可用的，我们迫切需要一个不需参考或“盲目”的质量评估方法。在一部分方法中，参考图像仅是部分可用的，以提取特征作为边缘信息，来协助评估失真的图像的质量。这种方...
