去噪效果评价算法分析,SNR,PSNR,SSIM等的区别与优劣对比
2017-08-02 11:37
453 查看
(1)SNR与PSNR:
SNR计算图像自身的信噪比,评价一个图像中信号的强度或者噪声的强度,其输入是一幅图像数据。SNR并不能客观评价图像的去噪效果或者压缩图像的相似度。
PSNR计算两幅图像之间的相似度,评价的是一幅estimated的图像相对于原图像的噪声强度,这个概念的提出应该是针对图像压缩领域,在图像去噪领域由于没有原图做对比,只能是噪声图与降噪图做对比,似乎说服力要弱一些。
(2)Method Noise:NLM作者提出的去噪图像与含噪图像之间噪声差异的计算,如果计算得到基本为白噪声,看不出图像几何结构或细节特征就说明去噪很有效。
(3)SSIM:结构相似性,是一种衡量两幅图像相似度的指标。SSIM使用的两张图像中,一张为未经压缩的无失真图像,另一张为失真后的图像。也是视频质量评价的一种优秀算法。不过依然具有PSNR的问题。
(4)其实对于去噪效果的直观评价,还是有专业的评价工具的,不过都是付费的,在业界内,做去噪的公司都是有这个机构,算法工程师给他们图,他们可以给出包括锐度,结构完整性,信噪比等等许多参数的综合评价。
SNR计算图像自身的信噪比,评价一个图像中信号的强度或者噪声的强度,其输入是一幅图像数据。SNR并不能客观评价图像的去噪效果或者压缩图像的相似度。
PSNR计算两幅图像之间的相似度,评价的是一幅estimated的图像相对于原图像的噪声强度,这个概念的提出应该是针对图像压缩领域,在图像去噪领域由于没有原图做对比,只能是噪声图与降噪图做对比,似乎说服力要弱一些。
(2)Method Noise:NLM作者提出的去噪图像与含噪图像之间噪声差异的计算,如果计算得到基本为白噪声,看不出图像几何结构或细节特征就说明去噪很有效。
(3)SSIM:结构相似性,是一种衡量两幅图像相似度的指标。SSIM使用的两张图像中,一张为未经压缩的无失真图像,另一张为失真后的图像。也是视频质量评价的一种优秀算法。不过依然具有PSNR的问题。
(4)其实对于去噪效果的直观评价,还是有专业的评价工具的,不过都是付费的,在业界内,做去噪的公司都是有这个机构,算法工程师给他们图,他们可以给出包括锐度,结构完整性,信噪比等等许多参数的综合评价。
相关文章推荐
- 不同相关性度量方法的线上效果对比与分析
- 三种强大的物体识别算法——SIFT/SURF、haar特征、广义hough变换的特性对比分析
- 三种强大的物体识别算法——SIFT/SURF、haar特征、广义hough变换的特性对比分析
- 理清Hadoop1.x与Hadoop2.x区别,对比分析
- 1. 电路交换与分组交换的区别?优劣对比
- 2018入门级手机VR眼镜对比区别:ugp vr眼镜怎么样?目前哪个vr眼镜牌子效果更好,vr眼镜选哪款?
- 叠加分析算法对比研究(vector map overlay algorithm)
- insert into on duplicate key update与update inner join使用效果对比分析
- Java-算法分析及其优劣判断
- 三种强大的物体识别算法——SIFT/SURF、haar特征、广义hough变换的特性对比分析
- localtunnel 原理及与 nginx 的区别对比分析
- 最短路径算法对比分析以及总结心得
- [转]三种强大的物体识别算法——SIFT/SURF、haar特征、广义hough变换的特性对比分析
- 各种算法优劣对比
- 模式匹配之常见匹配算法---SIFT/SURF、haar特征、广义hough变换的特性对比分析
- 【算法分析与设计】各种排序算法的效率对比
- 九个角度分析对比 Android、iOS开发区别
- ART与Dalvik哪个好用 ART模式和Dalvik模式区别对比分析
- 史上最全面的FRM与CFA的区别对比分析,适合新人看
- HashMap与Hashtable的区别是面试中经常遇到的一个问题。这个问题看似简单,但如果深究进去,也能了解到不少知识。本文对两者从来源、特性、算法等多个方面进行对比总结。力争多角度、全方位的展示二者的不同,做到此问题的终结版。