论文研究 - 基于FSIM、SSIM、MSE和PSNR的图像质量评估方法的比较

简介：
在对各类目标及其功能进行评估时，其质量属性具有重要性。基于图像的物体识别系统中，图像清晰度指标被视为核心考量因素。为了实现对图像真实性的客观评价，建立可靠的基础数据支撑至关重要。然而，在实际应用中找到完全一致的标准样本极为困难。通常情况下，图像质量可通过全面的质量基准指数（例如MSE和PSNR）来进行评估，其中MSE（均方误差）衡量的是预测值与观测值之间的差异程度。相比之下，近年来研究者们提出了SSIM（结构相似性索引方法）和FSIM（特征相似性索引方法）等新型评估标准。值得注意的是，在现有质量指标中，SSIM和PSNR不仅关注图像的绝对误差量，还考虑了感知上的误差程度；然而，MSE和PSNR在计算过程中未进行归一化处理。从实际应用角度来看，这些指标能够提供一致的评价结果。但从衡量标准的角度来看，归一化处理使得SSIM和FSIM的表现更加直观易懂。