结构相似性指数 SSIMplified：图像质量测量的核心真的存在更简单的概念吗？
计算机视觉与模式识别
2015-05-26 v2
摘要
结构相似性指数（SSIM）通常被视为图像质量评估（IQA）近期历史上的里程碑。然而，SSIM 被广泛接受的由三个启发式因子乘积构成的推导过程，继续掩盖了其 underlying 的真实简洁性。我们从对称 - 反对称重构出发，首先证明 SSIM 在经典意义上是一种对比度或可见度函数。此外，此前令人费解的结构协方差被揭示为方差之差。第二步，消除 SSIM 固有的二次性质，使其与人类观察者评分呈现出近乎线性的相关性，且无需调用通常但任意的 Sigmoid 模型拟合。我们得出结论，SSIM 可以根据感知掩蔽重新解释：它本质上等同于归一化误差或噪声可见度函数（NVF），而且仅 NVF 就能解释其在建模感知图像质量方面的成功。我们将特指由反对称 SSIM 导出的 NVF 称为不相似商（Dissimilarity Quotient, DQ）。看来 IQA 研究人员现在有两个选择：1) 继续使用复杂的 SSIM 公式，但需注意 SSIM 仅在巧合下有效，因为协方差项实际上是均方误差（MSE）的伪装形式。2) 使用所有感知掩蔽图像质量指标中最简单的一个，即 NVF 或 DQ。关于这一选择，奥卡姆剃刀原则很明确：在预测能力没有差异的情况下，所做的假设越少越好。
引用
@article{arxiv.1503.06680,
title = {Structural Similarity Index SSIMplified: Is there really a simpler concept at the heart of image quality measurement?},
author = {Kieran Gerard Larkin},
journal= {arXiv preprint arXiv:1503.06680},
year = {2015}
}
备注
Updated abstract and references. 4 pages total, main analysis 2 pages, notes and minimal references 1 page