傳統(tǒng)全參考圖像質(zhì)量衡量標(biāo)準(zhǔn)FSIM（feature similarity）

ssim一經(jīng)提出引來了很多人的研究，并在其上進(jìn)行一系列的變種，其中一種比較成功的變種是FSIM，該算法認(rèn)為一張圖片中的所有像素并非具有相同的重要性，比如物體邊緣的像素點對于界定物體的結(jié)構(gòu)肯定比其他背景區(qū)域的像素點更為重要；另外一種重要的評價指標(biāo)VIF盡管在不同的子帶上具有不同的權(quán)重，但是在具體的某一子帶上參與計算的像素點均具有相同的權(quán)重；根據(jù)圖像本身的特性，這樣不加區(qū)分并不合適。因此改進(jìn)的方向?qū)嶋H上重在如何區(qū)分這些重要點并給與合適的權(quán)重

關(guān)鍵問題：什么樣的特征足以描述圖像，并且用于評估

基于心理學(xué)和腦科學(xué)的一些研究，發(fā)現(xiàn)不同頻率的傅里葉波具有相同的相位時，往往會對應(yīng)著視覺上可辨認(rèn)的重要特征。這就意味著從某些一致性的相位上能夠提取出特征信息來。
另外圖像梯度幅值也是一個用于衡量對比度的標(biāo)準(zhǔn)

計算PC（phase congruency） 相位一致

這里計算PC采用的是前人的研究結(jié)果，引用論文是[P. Kovesi, “Image features from phase congruency”, Videre: J. Comp. Vis. Res., vol. 1, no. 3, pp. 1-26, 1999.],計算公式如下：
$$P{C}_{2D}(x)=\frac{\sum {}_j{E}_{{\theta }_j}(x)}{\epsilon +\sum {}_n\sum {}_{j}A{}_n,{}_{\theta }{}_j(x)}$$
具體的計算過程可以參考FSIM的matlab源代碼中的相關(guān)部分

計算GM

對于GM的計算可以采用一些常規(guī)的算法，比如sobel和prewitt等
文中采用的是Scharr算子，如下所示：
$$G_x(x)=?\begin{array}{ccc}3& 0& ?3\\ 10& 0& ?10\\ 3& 0& ?3\end{array}??\frac{1}{16}?f(x)$$
$$G_y(x)=?\begin{array}{ccc}3& 10& ?3\\ 0& 0& 0\\ ?3& ?10& ?3\end{array}??\frac{1}{16}?f(x)$$
最終的GM為
$$GM=\sqrt{G_x^2+G_y^2}$$
至此FSIM所需的重要指標(biāo)可以依據(jù)上述計算得到

FSIM的計算

這里實際上也是仿效SSIM的計算構(gòu)成，同樣由兩部分耦合的冪指數(shù)
FSIM由PC項和GM項耦合
$$S_{pc}(x)=\frac{2P{C}_1(x)P{C}_2(x)+T_1}{P{C}_1^2+P{C}_2^2+T_1}$$
$$S_G(x)=\frac{2G_1(x)G_2(x)+T_2}{G_1(x{)}^2+G_2(x{)}^2+T_2}$$
$$S_L(x)=[S_{PC}(x){]}^{\alpha }[S_G(x){]}^{\beta }$$
按照慣例alpha和beta取1
這樣計算出來的值是將整張圖像的像素權(quán)重看成是一樣的情況，基于前人的結(jié)果，認(rèn)為PC可以用來做權(quán)重衡量因子，并且圖像中某一位置是否具有超過其他位置的重要性跟它的PC值成正相關(guān)。所以真正的FSIM是如下定義
$$FSIM=\frac{\sum {}_{x\in \Omega }{S}_L(x)P{C}_m(x)}{\sum {}_{x\in \Omega }P{C}_m(x)}$$
其中的$P{C}_m(x)=max(P{C}_1(x),P{C}_2(x))$
至此可以使用FSIM在灰度圖像中進(jìn)行IQA,關(guān)于FSIM在彩色圖像中的應(yīng)用，可以對應(yīng)進(jìn)行遷移。
關(guān)于SSIM和FSIM的最終計算都是采用$\frac{2xy}{x^2+y^2}這種計算方式，經(jīng)過同專業(yè)人士的討論，可能認(rèn)為這種構(gòu)型簡單并且能有效反映相對變化對視覺信號的影響，當(dāng)然具體的情況我依然存疑$

FSIM計算源代碼地址：源代碼地址
FSIM論文地址：論文地址

總結(jié)

以上是生活随笔為你收集整理的图像质量评估指标（3） 特征相似度FSIM的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。