5、图像质量评估：从基础指标到高级度量

图像质量评估：从基础指标到高级度量

在图像处理领域，降噪任务与图像质量的提升密切相关。大多数降噪方法的性能评估通常在受人工噪声（如高斯噪声、泊松噪声、椒盐噪声等）污染的小图像上进行，通过向干净图像添加人工噪声得到噪声版本，以此衡量降噪算法在真实数码相机或移动图像上的性能。

1. 客观质量指标概述

我们主要关注客观质量指标 (Q(g, \upsilon))，它用于关联去噪图像 (g) 和无噪声参考图像 (\upsilon) 之间的感知差异（质量），并满足以下条件：
1. 对称性 ：(Q(g, \upsilon) = Q(\upsilon, g))。
2. 有界性 ：对于常数 (B)，(Q(g, \upsilon) \leq B)。
3. 唯一最大值 ：当且仅当 (g = \upsilon)（即两幅图像无失真）时，(Q(g, \upsilon) = B)。

在众多质量指标中，均方误差（MSE）和峰值信噪比（PSNR）是常用的两个指标。它们计算简单，但仅通过逐像素比较图像强度来衡量相似度，未考虑图像结构和人类对图像特征的感知，因此可能与主观质量不匹配，在某些情况下会导致不理想的结果。

为了提高评估准确性，需要对相似度测量进行修改，使其与人类视觉系统（HVS）兼容。纹理峰值信噪比（tPSNR）和平坦峰值信噪比（fPSNR）是在基本PSNR的基础上，考虑图像上下文得到的，它们分别针对图像的纹理区域和平滑区域计算PSNR，因为人类对这两种不同区域的噪声容忍度差异很大。

选择客观质量指标后，可以通过以下方案评估图