嵌入式圖像質量評估算法研究

辛后林

摘 要：嵌入式設備由于其硬件限制，在對顯示圖像進行一系列處理時會對圖像的質量造成損害，進而影響顯示效果。為降低損傷的程度，需要對圖像處理的相關算法進行評估。通過對峰值信噪比（PSNR）和結構相似度（SSIM）兩種圖像質量評估算法進行比較，深入分析了圖像質量的評估體系，提高了圖像壓縮算法的保真性。

關鍵詞：嵌入式系統；峰值信噪比；結構相似度；人類視覺系統

中圖分類號：TP391.41 文獻標識碼：A 文章編號：2095-6835（2014）10-0106-03

1 嵌入式系統

嵌入式系統是先進的計算機技術、半導體技術、電子技術和各種具體應用相結合的產物，是技術密集、資金密集、高度分散、不斷創新的新型集成知識系統。它具有系統內核小、專用性強、系統精簡、高實時性、多任務等諸多特點。

2 數字圖像處理

數字圖像處理又稱為計算機圖像處理，它是指將圖像信號轉換成數字信號并利用計算機對其進行處理的過程。它以人為對象，以改善人的視覺效果為目的。常用的圖像處理方法有圖像增強、復原、編碼、壓縮等。

3 圖像質量評估

圖像處理的過程中，會因壓縮、舍棄像素等操作使得圖片質量在一定程度上受到損傷，為了降低這種損傷對圖像可視化的影響，我們需要對圖像處理中的相關算法進行評估，這對影像的后續利用和促進對人類視覺感知的研究具有重要的理論意義。

3.1 PSNR算法

3.1.1 PSNR的定義

PSNR（Peak Signal to Noise Ratio）是一種利用峰值信噪比來評定圖像質量的客觀標準，評價結果以dB（對比分貝）為單位來表示。2個圖像間的PSNR值越大，越趨于無劣化。劣化程度較大時，PSNR值趨于0 dB。

兩個m×n的單色圖像I和K，如果兩者的噪聲近似，那么它們的均方差為：

3.1.2 PSNR算法的局限性

PSNR算法能較準確地計算出圖像質量的誤差值，并可以結合HVS視覺系統中生理學和心理學的特征，使用經驗公式對誤差值進行修正。但該算法也存在一定的局限性，即人類視覺系統是一種是非常復雜且高度非線性的系統，但在建立模型的時候，往往都是以線性結構或者類似線性結構的模型來仿真HVS，所以這種基于誤差敏感度的評估方式是建立在一些理想的假設之上的。

3.2 SSIM算法

SSIM（structural similarity （SSIM） index measurement system）是一種衡量兩幅圖像相似度的新指標，在圖像去噪處理和圖像相似度評價上已經全面超越了SNR（signal to noise ratio）和PSNR（peak signal to noise ratio）。

3.2.1 算法突破

自然圖像信號都是高度結構化的，這種結構化方式體現在圖像的像素間都有很強的依賴性，這些相互依賴的像素就承載著圖像重要的結構信息。

結構度相似理論的特點有：①結構相似度理論不再將圖片的失真歸結于空間上逐點像素信息間的差異，而是將結構信息從圖像中剝離出來，作為全新的圖像質量評價標準；②基于HVS特性的方法與SSIM理論的最大區別是前者是自底向上，后者是自頂向下；③由于結構相似度理論是直接估計兩個復雜結構信號的結構改變，而不與人類的主觀視覺掛鉤，因此這樣就可以更客觀地評定圖像質量。

3.2.2 數學模型

作為實現結構相似性理論的一種方法，從圖像組成的角度出發，可以將結構相似度指數定義為獨立于亮度、對比度之外的反映場景中物體結構的一種信息。在結構相似性的計算中，可以用均值估計亮度，用標準差估計對比度，用協方差度量結構的相似程度。

3.2.2.1 結構相似度核心算法模型

4 嵌入式中擴展應用

由于SSIM算法運算效率高、應用靈活，且圖像相似度測量的精確度更高，因此在嵌入式領域中得到了廣泛的應用。

4.1 指紋識別

隨著越來越多的數據和私人信息流向于手持設備，信息安全問題逐漸引起人們的重視。根據指紋紋路的各種特征進行建模，并提取數據樣本，然后使用SSIM算法來計算每次驗證指紋時的圖像相似度，從而給出相應的反映。在這一應用中，指紋的唯一性特征完全可以類比于HVS的特征。

4.2 信號濾波器

在工業領域，需要對各種傳輸信號進行過濾，通常情況下是以頻率為基準對信號進行過濾，但在某些應用領域，需要先對信號加載的信息進行篩選分析，然后在對信號進行過濾。在引入SSIM算法對信號進行過濾時，所選取的參數不再是亮度、對比度、結構信息等，而是根據不同的信號種類建立不同的參考系，最終達到信號信息過濾的目的。

5 結束語

隨著技術的進步，圖像質量評價算法的研究呈現以下三個趨勢，即從單純的客觀評價算法轉化為主客觀相結合的評價算法，無參考算法開始成為研究的熱點，面向具體任務的評價算法逐漸增多。

圖像質量評價算法的目標是得到與人的主觀評價相一致的評價結果，任何圖像質量評價的結果都要與人們的主觀感知保持一致。目前的評價體系都在不同程度結合了HVS的相關特性，同時還融入了HVS特性的算法，這種方式比單純以數據進行客觀評價的算法更準確。因此，主客觀結合的評價體系是圖像質量評價發展的主流。

參考文獻

[1]郭劍.基于嵌入式系統的數字圖像處理技術的研究[D].西安：西安電子科技大學，2006.

[2]周景超，戴汝為，肖柏華.圖像質量評價研究綜述[J].計算機科學，2008（07）.

[3]佟雨兵，張其善，祁云平.基于PSNR與SSIM聯合的圖像質量評價模型[J].中國圖像圖形學報，2006（12）.

〔編輯：王霞〕

摘 要：嵌入式設備由于其硬件限制，在對顯示圖像進行一系列處理時會對圖像的質量造成損害，進而影響顯示效果。為降低損傷的程度，需要對圖像處理的相關算法進行評估。通過對峰值信噪比（PSNR）和結構相似度（SSIM）兩種圖像質量評估算法進行比較，深入分析了圖像質量的評估體系，提高了圖像壓縮算法的保真性。

關鍵詞：嵌入式系統；峰值信噪比；結構相似度；人類視覺系統

中圖分類號：TP391.41 文獻標識碼：A 文章編號：2095-6835（2014）10-0106-03

1 嵌入式系統

嵌入式系統是先進的計算機技術、半導體技術、電子技術和各種具體應用相結合的產物，是技術密集、資金密集、高度分散、不斷創新的新型集成知識系統。它具有系統內核小、專用性強、系統精簡、高實時性、多任務等諸多特點。

2 數字圖像處理

數字圖像處理又稱為計算機圖像處理，它是指將圖像信號轉換成數字信號并利用計算機對其進行處理的過程。它以人為對象，以改善人的視覺效果為目的。常用的圖像處理方法有圖像增強、復原、編碼、壓縮等。

3 圖像質量評估

圖像處理的過程中，會因壓縮、舍棄像素等操作使得圖片質量在一定程度上受到損傷，為了降低這種損傷對圖像可視化的影響，我們需要對圖像處理中的相關算法進行評估，這對影像的后續利用和促進對人類視覺感知的研究具有重要的理論意義。

3.1 PSNR算法

3.1.1 PSNR的定義

PSNR（Peak Signal to Noise Ratio）是一種利用峰值信噪比來評定圖像質量的客觀標準，評價結果以dB（對比分貝）為單位來表示。2個圖像間的PSNR值越大，越趨于無劣化。劣化程度較大時，PSNR值趨于0 dB。

兩個m×n的單色圖像I和K，如果兩者的噪聲近似，那么它們的均方差為：

3.1.2 PSNR算法的局限性

PSNR算法能較準確地計算出圖像質量的誤差值，并可以結合HVS視覺系統中生理學和心理學的特征，使用經驗公式對誤差值進行修正。但該算法也存在一定的局限性，即人類視覺系統是一種是非常復雜且高度非線性的系統，但在建立模型的時候，往往都是以線性結構或者類似線性結構的模型來仿真HVS，所以這種基于誤差敏感度的評估方式是建立在一些理想的假設之上的。

3.2 SSIM算法

SSIM（structural similarity （SSIM） index measurement system）是一種衡量兩幅圖像相似度的新指標，在圖像去噪處理和圖像相似度評價上已經全面超越了SNR（signal to noise ratio）和PSNR（peak signal to noise ratio）。

3.2.1 算法突破

自然圖像信號都是高度結構化的，這種結構化方式體現在圖像的像素間都有很強的依賴性，這些相互依賴的像素就承載著圖像重要的結構信息。

結構度相似理論的特點有：①結構相似度理論不再將圖片的失真歸結于空間上逐點像素信息間的差異，而是將結構信息從圖像中剝離出來，作為全新的圖像質量評價標準；②基于HVS特性的方法與SSIM理論的最大區別是前者是自底向上，后者是自頂向下；③由于結構相似度理論是直接估計兩個復雜結構信號的結構改變，而不與人類的主觀視覺掛鉤，因此這樣就可以更客觀地評定圖像質量。

3.2.2 數學模型

作為實現結構相似性理論的一種方法，從圖像組成的角度出發，可以將結構相似度指數定義為獨立于亮度、對比度之外的反映場景中物體結構的一種信息。在結構相似性的計算中，可以用均值估計亮度，用標準差估計對比度，用協方差度量結構的相似程度。

3.2.2.1 結構相似度核心算法模型

4 嵌入式中擴展應用

由于SSIM算法運算效率高、應用靈活，且圖像相似度測量的精確度更高，因此在嵌入式領域中得到了廣泛的應用。

4.1 指紋識別

隨著越來越多的數據和私人信息流向于手持設備，信息安全問題逐漸引起人們的重視。根據指紋紋路的各種特征進行建模，并提取數據樣本，然后使用SSIM算法來計算每次驗證指紋時的圖像相似度，從而給出相應的反映。在這一應用中，指紋的唯一性特征完全可以類比于HVS的特征。

4.2 信號濾波器

在工業領域，需要對各種傳輸信號進行過濾，通常情況下是以頻率為基準對信號進行過濾，但在某些應用領域，需要先對信號加載的信息進行篩選分析，然后在對信號進行過濾。在引入SSIM算法對信號進行過濾時，所選取的參數不再是亮度、對比度、結構信息等，而是根據不同的信號種類建立不同的參考系，最終達到信號信息過濾的目的。

5 結束語

隨著技術的進步，圖像質量評價算法的研究呈現以下三個趨勢，即從單純的客觀評價算法轉化為主客觀相結合的評價算法，無參考算法開始成為研究的熱點，面向具體任務的評價算法逐漸增多。

圖像質量評價算法的目標是得到與人的主觀評價相一致的評價結果，任何圖像質量評價的結果都要與人們的主觀感知保持一致。目前的評價體系都在不同程度結合了HVS的相關特性，同時還融入了HVS特性的算法，這種方式比單純以數據進行客觀評價的算法更準確。因此，主客觀結合的評價體系是圖像質量評價發展的主流。

參考文獻

[1]郭劍.基于嵌入式系統的數字圖像處理技術的研究[D].西安：西安電子科技大學，2006.

[2]周景超，戴汝為，肖柏華.圖像質量評價研究綜述[J].計算機科學，2008（07）.

[3]佟雨兵，張其善，祁云平.基于PSNR與SSIM聯合的圖像質量評價模型[J].中國圖像圖形學報，2006（12）.

〔編輯：王霞〕

摘 要：嵌入式設備由于其硬件限制，在對顯示圖像進行一系列處理時會對圖像的質量造成損害，進而影響顯示效果。為降低損傷的程度，需要對圖像處理的相關算法進行評估。通過對峰值信噪比（PSNR）和結構相似度（SSIM）兩種圖像質量評估算法進行比較，深入分析了圖像質量的評估體系，提高了圖像壓縮算法的保真性。

關鍵詞：嵌入式系統；峰值信噪比；結構相似度；人類視覺系統

中圖分類號：TP391.41 文獻標識碼：A 文章編號：2095-6835（2014）10-0106-03

1 嵌入式系統

嵌入式系統是先進的計算機技術、半導體技術、電子技術和各種具體應用相結合的產物，是技術密集、資金密集、高度分散、不斷創新的新型集成知識系統。它具有系統內核小、專用性強、系統精簡、高實時性、多任務等諸多特點。

2 數字圖像處理

數字圖像處理又稱為計算機圖像處理，它是指將圖像信號轉換成數字信號并利用計算機對其進行處理的過程。它以人為對象，以改善人的視覺效果為目的。常用的圖像處理方法有圖像增強、復原、編碼、壓縮等。

3 圖像質量評估

圖像處理的過程中，會因壓縮、舍棄像素等操作使得圖片質量在一定程度上受到損傷，為了降低這種損傷對圖像可視化的影響，我們需要對圖像處理中的相關算法進行評估，這對影像的后續利用和促進對人類視覺感知的研究具有重要的理論意義。

3.1 PSNR算法

3.1.1 PSNR的定義

PSNR（Peak Signal to Noise Ratio）是一種利用峰值信噪比來評定圖像質量的客觀標準，評價結果以dB（對比分貝）為單位來表示。2個圖像間的PSNR值越大，越趨于無劣化。劣化程度較大時，PSNR值趨于0 dB。

兩個m×n的單色圖像I和K，如果兩者的噪聲近似，那么它們的均方差為：

3.1.2 PSNR算法的局限性

PSNR算法能較準確地計算出圖像質量的誤差值，并可以結合HVS視覺系統中生理學和心理學的特征，使用經驗公式對誤差值進行修正。但該算法也存在一定的局限性，即人類視覺系統是一種是非常復雜且高度非線性的系統，但在建立模型的時候，往往都是以線性結構或者類似線性結構的模型來仿真HVS，所以這種基于誤差敏感度的評估方式是建立在一些理想的假設之上的。

3.2 SSIM算法

SSIM（structural similarity （SSIM） index measurement system）是一種衡量兩幅圖像相似度的新指標，在圖像去噪處理和圖像相似度評價上已經全面超越了SNR（signal to noise ratio）和PSNR（peak signal to noise ratio）。

3.2.1 算法突破

自然圖像信號都是高度結構化的，這種結構化方式體現在圖像的像素間都有很強的依賴性，這些相互依賴的像素就承載著圖像重要的結構信息。

結構度相似理論的特點有：①結構相似度理論不再將圖片的失真歸結于空間上逐點像素信息間的差異，而是將結構信息從圖像中剝離出來，作為全新的圖像質量評價標準；②基于HVS特性的方法與SSIM理論的最大區別是前者是自底向上，后者是自頂向下；③由于結構相似度理論是直接估計兩個復雜結構信號的結構改變，而不與人類的主觀視覺掛鉤，因此這樣就可以更客觀地評定圖像質量。

3.2.2 數學模型

作為實現結構相似性理論的一種方法，從圖像組成的角度出發，可以將結構相似度指數定義為獨立于亮度、對比度之外的反映場景中物體結構的一種信息。在結構相似性的計算中，可以用均值估計亮度，用標準差估計對比度，用協方差度量結構的相似程度。

3.2.2.1 結構相似度核心算法模型

4 嵌入式中擴展應用

由于SSIM算法運算效率高、應用靈活，且圖像相似度測量的精確度更高，因此在嵌入式領域中得到了廣泛的應用。

4.1 指紋識別

隨著越來越多的數據和私人信息流向于手持設備，信息安全問題逐漸引起人們的重視。根據指紋紋路的各種特征進行建模，并提取數據樣本，然后使用SSIM算法來計算每次驗證指紋時的圖像相似度，從而給出相應的反映。在這一應用中，指紋的唯一性特征完全可以類比于HVS的特征。

4.2 信號濾波器

在工業領域，需要對各種傳輸信號進行過濾，通常情況下是以頻率為基準對信號進行過濾，但在某些應用領域，需要先對信號加載的信息進行篩選分析，然后在對信號進行過濾。在引入SSIM算法對信號進行過濾時，所選取的參數不再是亮度、對比度、結構信息等，而是根據不同的信號種類建立不同的參考系，最終達到信號信息過濾的目的。

5 結束語

隨著技術的進步，圖像質量評價算法的研究呈現以下三個趨勢，即從單純的客觀評價算法轉化為主客觀相結合的評價算法，無參考算法開始成為研究的熱點，面向具體任務的評價算法逐漸增多。

圖像質量評價算法的目標是得到與人的主觀評價相一致的評價結果，任何圖像質量評價的結果都要與人們的主觀感知保持一致。目前的評價體系都在不同程度結合了HVS的相關特性，同時還融入了HVS特性的算法，這種方式比單純以數據進行客觀評價的算法更準確。因此，主客觀結合的評價體系是圖像質量評價發展的主流。

參考文獻

[1]郭劍.基于嵌入式系統的數字圖像處理技術的研究[D].西安：西安電子科技大學，2006.

[2]周景超，戴汝為，肖柏華.圖像質量評價研究綜述[J].計算機科學，2008（07）.

[3]佟雨兵，張其善，祁云平.基于PSNR與SSIM聯合的圖像質量評價模型[J].中國圖像圖形學報，2006（12）.

〔編輯：王霞〕