图像质量评价——结构相似度

1 基本概念

        结构相似度（Structural Similarity Index Measure，SSIM）就是典型的比较结构相似度的方法，SSIM评价方法主要由亮度、对比度和结构由三个对比模块组成。若假设红外图像为x，仿真图像为y，则亮度l(x,y)、对比度c(x,y)、结构s(x,y)分别表示为式：

        其中，红外图像的平均亮度为μx，标准差为σx，仿真图像的平均亮度为μy，标准差为σy，协方差则用σxy来表示。C1、C2、C3是三个用来稳定数值的常数，将三个模块组合在一起就可以得到SSIM函数，公式表示为式：

        其中，使用α<0，β<0，γ<0，这三个参数来调整这三个模块的重要性，如果令α=β=γ=1，C3=C2/2，此时SSIM可以表示为式：

SSIM的取值范围为[0,1]，数值越接近1，表示两幅图像越相似。

2 实验验证

实验验证选择TID2013数据集的第一组参考图像和失真图像（转化为灰度图像）进行计算：

（a）参考图像

（b）失真图像

---

在Matlab中可以直接调用ssim()函数求取结构相似度：

%% 计算SSIMSSIM=ssim(ori,sim);

运行结果如下：SSIM=0.9562。