圖像分析報告模板

【導語】 分析報告是一種比較常用的文體。有市場分析報告、行業分析報告、經濟形勢分析報告、社會問題分析報告等等。下面關於圖像分析報告模板，祝您生活愉快!

圖像質量評價的方法分為主觀評價和客觀評價兩種方法。主觀圖像評價方法是根據人眼的視覺系統感知圖像質量的好壞。此方法是圖像質量評價最直接、有效的方法。但是主觀評價方法的主體是人，所以不可避免的存在很多主觀因素的影響。例如，人當時的情緒，自己的經驗，觀察環境等。這種方法的評價效率低，代價高，確定性差，實時性差，不能直接應用於圖像處理系統。

客觀圖像評價方法是通過建立數學模型，計算降質圖像相對於原始圖像的失真程度。客觀評價方法的主體是機器，所以其操作簡單，系統穩定，可移植性好。客觀圖像評價方法主要分為全參考圖像質量評價，半參考圖像質量評價和無參考圖像質量評價三種類型。其中全參考圖像質量評價方法研究時間最長，發展較為成熟。

　　一、傳統的全參考圖像質量評價方法

傳統的全參考圖像質量評價方法主要是採用均方誤差MSE(Mean Square Error)和峯值信噪比PSNR(Peak Signal-to-Noise Ratio)。它們計算失真圖像與原始圖像之間的信號誤差，誤差越小，失真圖像與原始圖像越接近，圖像的質量就越好。其數學表達式為：

MSE=■∑■■∑■■[a(i，j)-■(i，j)]2 (1-1)

其中a(i，j)和■(i，j)分別表示原始圖像與失真圖像中對應的灰度值或色彩值。

M*N表示圖像的像素總個數。

PSNR=10lg[■] (1-2)

其中L表示圖像的灰度範圍，一般情況下取值為255。

(1-1)和(1-2)的.兩種方法基於圖像像素灰度值進行統計和均值計算，雖然效率高、實現簡單，但是卻忽略了人眼的視覺特點，因而不能準確的反映出圖像的質量，存在明顯的不足。在圖1中[1]，信號1和信號2分別與原始信號進行均方誤差計算，計算結果相同。但在人眼看來，信號1明顯比信號2更接近原始信號。

　　二、基於HVS的圖像質量評價方法

由於圖像的最終接收者是人的視覺系統，而傳統的圖像質量評價方法忽略了人類視覺特性。因此為了得到更加準確的圖像質量評價方法，人們根據HVS(Human Visual System)人眼視覺系統理論，提出了與感知圖像失真比較接近的評價方法。

Zhou Wang[2]等人認為人眼的視覺特性主要是提取背景中的結構信息，並以此提出了基於結構相似度信息的圖像質量評價方法SSIM(Structural Similarity Image Measurement)。

1 SSIM結構相似度

SSIM(X，Y)=[I(x，y)]a*[c(x，y)]β*[s(x，y)]γ (1-3)

其中α、β、γ>0，這三個參數對亮度、對比度和結構信息進行調整。

x，y分別為原圖像和重建圖像中對應的位置的塊。

2 MSSIM平均結構相似度

在實際使用SSIM計算時並不是直接將原圖像和失真圖像的結構進行比較，而是將兩幅圖像用相同大小的滑動窗口進行互不重疊的分塊。假設分塊的總數為N，考慮到窗口的形狀會對分塊造成影響，所以採用高斯加權計算每個窗口的均值，方差及協方差，然後利用公式⑥計算出圖像對應塊的SSIM(x，y)，再對結果取平均值，得出圖像的平均結構相似度MSSIM。

MSSIM(x，y)=■∑■■SSIM(xj，yj) (1-4)

考慮到圖像中像素灰度變化程度對視覺效果的影響，提出了一種加權的結構相似度WSSIM。