HyperAIHyperAI

Command Palette

Search for a command to run...

图像质量评估:从误差可见性到结构相似性

H.R. Sheikh; E.P. Simoncelli A.C. Bovik Zhou Wang

摘要

传统上,客观评估感知图像质量的方法致力于通过利用人类视觉系统(Human Visual System, HVS)的多种已知特性,量化失真图像与参考图像之间差异的可见性。在假设人类视觉感知高度适应于从场景中提取结构信息的前提下,本文提出了一种基于结构信息退化程度的替代性互补评估框架。作为该概念的具体实例,我们提出了一种结构相似性指数(Structural Similarity Index, SSIM),并通过一系列直观示例,以及与主观评价结果和当前最先进的客观评估方法在JPEG与JPEG2000压缩图像数据库上的对比,验证了该方法的有效性。所提出的算法的MATLAB实现版本已公开发布于 http://www.cns.nyu.edu/~lcv/ssim/


用 AI 构建 AI

从创意到上线——通过免费 AI 协同编码、开箱即用的环境和最优惠的 GPU 价格,加速您的 AI 开发。

AI 协同编码
开箱即用的 GPU
最优定价

HyperAI Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
图像质量评估:从误差可见性到结构相似性 | 论文 | HyperAI超神经