图像拼接融合质量的客观评价指标 | 您所在的位置:网站首页 › 均方误差多大可靠 › 图像拼接融合质量的客观评价指标 |
文章目录
MSE、RMSE、PSNR,SSIM,熵值分别是什么
MSE均方误差
Matlab计算MSE均方误差
QMSE均值误差法
RMSE均方根误差
Matlab计算RMSE均方根误差
SNR信噪比
Matlab计算SNR信噪比
PSNR峰值信噪比
Matlab计算PSNR峰值信噪比
SSIM结构相似度
结构相似度的数学模型
SSIM系统测量框图
SSIM图像质量等级
Matlab计算SSIM结构相似性
熵值
学习一下图像拼接会用到的评价指标
MSE、RMSE、PSNR,SSIM,熵值分别是什么
MSE:Mean Square Error,均方误差,计算待评价图像和原始图像之间的差异。对于拼接融合图像来说,值越大说明质量越差。 QMSE:均值误差法。基于MSE提出的一种新的均方误差方法。 RMSE:均方根误差。同样,值越大说明拼接融合效果越差。 SNR:信噪比,信噪比越大,说明混在信号里的噪声越小,采集到的的信号质量越高 PSNR:峰值信噪比,分母为待评价图和原图像之间的能量差异,也相当于噪声,噪声越小越好,因此PSNR越大说明拼接融合质量越好。 SSIM:结构相似度,主要对图像对比度、亮度以及结构信息进行考量,值越大越相似,且最大值为1 熵值: 反映了图像中平均信息量的多少,在图像拼接融合中,熵值越大,说明拼接融合效果越好。 补充:MSE、RMSE、QMSE、SNR和PSNR都是基于灰度值对参考图和评价图进行运算。 MSE均方误差如下公式,均方误差是值与参数真值之差平方的期望值(均值)。 在图像处理中,均方误差表示处理后图像像素值与原始像素值之差平方和的期望值。 图像尺寸为m*n,而i 和 j表示该某像素点的横纵坐标,I表示原图像(参考图像),K表示处理后的图像(评价图像) 我们给出下面图片,来计算它们的MSE均方误差。其中mn图片有重合部分更相似,r与mn无重复部分。我们依次进行验证 如下符合要求,均方误差为0 当我们进行全景图评价的时候,由于没有全景图的参考图,因此我们将输入的拼接左右图作为参考图,得到如下新的均方误差公式: 相当于对均方误差MSE开根号。 同样采用mnr三张图片分别验证。 %输入两张相同的图片,其均方根误差为0,输入不同的两张图mn均方根误差为3.2835e+03,输入两张不同的图片mr为 3.7663e+03。 clc; close all; X = imread('m.png');% 读取图像 Y=imread('m.png'); figure;%展示图像 subplot(1, 3, 1); imshow(X); title('q1'); subplot(1, 3, 2); imshow(Y); title('q2'); % 使得图像每个像素值为浮点型 X = double(X); Y = double(Y); A = Y-X; B = X.*Y; %subplot(1,3,3);imshow(A);title('作差'); MSError = sum(A(:).*A(:))/numel(Y);% 均方根误差MSE,numel()函数返回矩阵元素个数 display(MSError);%均方根误差MSE SNR信噪比SNR为图像信噪比,图像的信噪比和图像的清晰度一样,也是衡量图像质量高低的重要指标。图像的信噪比是指视频信号的大小与噪波信号大小的比值 PSNR为峰值信噪比,即峰值信号的能量与噪声的平均能量之比,通常表示的时候取 log 变成分贝(dB),由于 MSE 均方误差为原图像与处理后图像之差的能量均值,而两者的差相当于噪声,因此 PSNR 即峰值信号能量与 RMSE (均方根误差)之比。其中,MAX是表示图像点颜色的最大数值,也就是灰度值的最大值,如果每个采样点用 8 位表示,那么就是 255。 SSIM为结构相似度,用来对两幅图像的亮度、对比度以及结构信息进行测量,其是一个0-1之间的数,最大值为1。尤其反映了图像的轮廓,细节等的相似度,很适合作为图像拼接的客观评价指标。当两幅图像一模一样时,SSIM=1。
ux和uy代表图像XY灰度统计均值。sigma xy 分别是处理图像的灰度值方差。C12为常数。L为像素值的动态范围。对于8比特255灰度图,其Ki 范围为0.01-0.03。 SSIM系统测量框图此时得到结果为1,因为我们输入的是同一张图像,结构相似性最大,为1。验证了当两幅图像一模一样时,SSIM=1。 反映图像信息丰富程度。通常情况下,图像信息熵越大,其信息量就越丰富,质量越好。对于图像拼接融合来说,熵值越大融合越好。 分别对较好拼接和较差拼接进行熵值的计算。 较差拼接:(字母处出现重影模糊) 运行后,在命令框输入 H_x较好拼接熵值:7.5314 较差拼接:7.5210 由此符合我们的分析,熵值越大,拼接效果越好。 除此之外,还有很多评价指标,比如互信息、平均梯度、信息比 互信息值越大说明融合图像信息越丰富。 平均梯度值越大则表明融合后图像越清晰,过渡更平滑自然。 信息比:表示全景图信息比,能近似反应全景图扭曲程度,信息比越小说明扭曲越严重。公式如下: wh表示图像尺寸 参考 |
CopyRight 2018-2019 实验室设备网 版权所有 |