SSIM (SSIM)
Индекс структурного сходства (SSIM от англ. structure similarity) является одним из методов измерения схожести между двумя изображениями. SSIM-индекс это метод полного сопоставления, другими словами, он проводит измерение качества на основе исходного изображения (не сжатого или без искажений). SSIM-индекс является развитием традиционных методов, таких как PSNR (peak signal-to-noise ratio) и метод среднеквадратичной ошибки MSE, которые оказались несовместимы с физиологией человеческого восприятия.
Отличительной особенностью метода, помимо упомянутых ранее (MSE и PSNR), является то, что метод учитывает «восприятие ошибки» благодаря учёту структурного изменения информации. Идея заключается в том, что пиксели имеют сильную взаимосвязь, особенно когда они близки пространственно. Данные зависимости несут важную информацию о структуре объектов и о сцене в целом.
SSIM метрика рассчитана на различные размеры окна. Разница между двумя окнами и имеющими одинаковый размер N×N:
где
- — среднее ,
- — среднее ,
- — дисперсия ,
- — дисперсия ,
- — ковариация и ,
- , — две переменных:
- — динамический диапазон пикселей (обычно ),
- и — константы.
Приведённая формула применима только для яркости изображения, по которой и происходит оценка качества. Полученный SSIM-индекс лежит в пределах от −1 до +1. Значение +1 достигается только при полной аутентичности образцов. Как правило, метрика рассчитана на окно размером 8×8 пикселей. Окно может смещаться через пиксель, но специалисты рекомендуют использовать группы окон для уменьшения сложности вычислений.
Структурные отличия (DSSIM от англ. Structural dissimilarity) можно выразить через SSIM-метрику:
См. также
[править | править код]Ссылки
[править | править код]- Z. Wang, A. C. Bovik, H. R. Sheikh and E. P. Simoncelli, "Image quality assessment: From error visibility to structural similarity", IEEE Transactions on Image Processing, vol. 13, no. 4, p. 600–612, Apr. 2004.
- Loza et al., "Structural Similarity-Based Object Tracking in Video Sequences", Proc. of the 9th International Conf. on Information Fusion, 2006.