图像质量评估算法-SAD SSD MAD MSD SSIM MS-SSIM的学习_去均值平均绝对差值 mad

本文将介绍的图像质量评估算法：

MAD(Mean Absolute Difference)：平均绝对差值

S(x,y)表示原始图像在坐标(x,y)的像素值，T(x,y)为待评价图像在坐标(x,y)的像素值。W代表图像宽度，H代表图像高度。D代表待评估图像与原始图像质量区别（或称失真度），越小越好。

SAD(Sum of Absolute Difference)：绝对误差和算法

变量意义同MAD。

SATD(Sum of Absolute Transformed Difference)：哈达玛变换算法

SAD是两幅图像差值的绝对值的和，SATD为两幅图像差值进行哈达玛变化后系数的绝对值的和。

SSD(Sum of Squared Difference)：差值平方和

变量意义同MAD。
​​

MSD(Mean Squared Difference)：平均平方误

变量意义同MAD。
​​

SSIM(Structural Similarity Index)：结构相似性

首先计算图像的均值：

计算图像的方差：

​
计算图像的协方差：

计算中间方程组：

其中L(X,Y)是亮度对比因子，C(X,Y)是对比度因子，S(X,Y)是结构对比因子。

计算SSIM：
​​

当设定C3=C2∖2公式可以简写为如下形式：

MS-SSIM(Multi-Scale-Structural Similarity Index)：多层级结构相似性

宽高以2^(M−1)为因子进行缩小。当M=1时，表示原始图像大小；当M=2时，表示原始图像缩小一半，以此类推。

在文献[1]中，实验得出β1=γ1=0.0448，β2=γ2=0.2856，β3=γ3=0.3001，β4=γ4=0.2363，、α5=β5=γ5=0.1333。这个评估算法相比于之前的，更贴近主观质量评价方法的结果。

参考文献：
[1]:Zhou Wang, Eero P. Simoncelli and Alan C. Bovik ‘MULTI-SCALE STRUCTURAL SIMILARITY FOR IMAGE QUALITY ASSESSMENT’