29、基于结构相似性指数和刚刚可察觉的差异范式的图像质量评估

基于结构相似性指数和刚刚可察觉的差异范式的图像质量评估

1. 引言

在图像处理和计算机视觉领域，图像质量评估（IQA, Image Quality Assessment）是衡量图像质量优劣的重要手段。传统的图像质量评估方法主要依赖于客观的质量度量，如峰值信噪比（PSNR）和均方误差（MSE）。然而，这些方法往往未能充分反映人类视觉系统（HVS, Human Visual System）的感知特性。近年来，结构相似性指数（SSIM, Structural Similarity Index Measure）作为一种更加符合人类视觉感知的客观度量标准，受到了广泛关注。

为了进一步提升图像质量评估的准确性，本章探讨了结合刚刚可察觉的差异（JND, Just Noticeable Difference）范式的SSIM评估方法。通过网络实验，研究人员利用一组人类参与者样本，旨在量化SSIM值的趋势，以确定人类视觉系统何时开始能够感知到对参考图像施加的失真。

2. SSIM简介

SSIM是一种衡量两幅图像相似度的度量标准，它不仅考虑了图像的亮度、对比度，还引入了结构信息，使其更接近人类视觉感知。SSIM的计算公式如下：

[
\text{SSIM}(x, y) = \frac{(2\mu_x\mu_y + C_1)(2\sigma_{xy} + C_2)}{(\mu_x^2 + \mu_y^2 + C_1)(\sigma_x^2 + \sigma_y^2 + C_2)}
]

其中，( x ) 和 ( y ) 分别表示参考图像和失真图像；( \mu_x ) 和 ( \mu_y ) 分别表示两幅图像的平均亮度；( \