SSIM

Индекс структурного сходства (SSIM от Шаблон:Lang-en) 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 $x$ и $y$ имеющими одинаковый размер N×N:

$\text{SSIM}(x,y)=\frac{(2{\mu }_x{\mu }_y+c_1)(2{\sigma }_{xy}+c_2)}{({\mu }_x^2+{\mu }_y^2+c_1)({\sigma }_x^2+{\sigma }_y^2+c_2)},$

где

• ${\mu }_x$ — среднее $x$,
• ${\mu }_y$ — среднее $y$,
• ${\sigma }_x^2$ — дисперсия $x$,
• ${\sigma }_y^2$ — дисперсия $y$,
• ${\sigma }_{xy}$ — ковариация $x$ и $y$,
• $c_1=(k_{1}L{)}^2$, $c_2=(k_{2}L{)}^2$ — две переменных:
  • $L$ — динамический диапазон пикселей (обычно $2^{\text{(bits per pixel)}}-1$),
  • $k_1=0,01$ и $k_2=0,03$ — 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 Шаблон:Lang-en) можно выразить через SSIM-метрику:

$\text{DSSIM}(x,y)=\frac{1-\text{SSIM}(x,y)}{2}.$

См. также

• PSNR
• Качество видео

Ссылки

• 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.

Внешние источники

• (en) Домашняя страница
• (en) Исполнение на языке Rust
• (en) Исполнение на языке C/C++
• (en) Реализация DSSIM на языке C++
• (en) Реализация Криса Ломонта на C#
• (en) qpsnr implementation (multi threaded C++)