Индекс SSIM не является метрикой и плохо оценивает сходство изображений
https://doi.org/10.21122/2309-4923-2019-2-12-17
Аннотация
В статье исследованы некоторые свойства очень популярного показателя структурного сходства изображений, называемого индексом SSIM. Согласно сайту https://scholar.google.com на статью [3], где он был впервые описан, за 14 лет сделано более 20000 ссылок. Этот показатель активно используется международным сообществом в научных исследованиях. Он приобрел статус неофициального международного стандарта для оценки качества изображения при наличии эталона, часто называемого метрикой качества изображений. В настоящей статье развенчиваются некоторые мифы, возникшие вокруг этого индекса. Доказана теорема утверждающая, что индекс SSIM и любые его линейные преобразования не являются метрическими функциями. Во многих публикациях и в пакете прикладных программ Матлаб в описании функции ssim, сказано, что индекс SSIM используется для измерения качества изображений. Однако этот индекс, а также любая функция сравнения с эталонным изображением (типа full-reference) в принципе не могут оценить качество анализируемых изображений. Они оценивают только некоторую степень сходства между изображением и его искаженной копией. В статье также показано, что индекс SSIM не всегда может корректно определить сходство изображений одной и той же сцены, в то время как коэффициент линейной корреляции Пирсона делает это намного быстрее и точнее.
При поддержке: Работа частично выполнена в рамках проекта БРФФИ Ф18МС-028.
Об авторе
В. B. Старовойтов
Объединенный институт проблем информатики НАН Беларуси
Беларусь
Старовойтов Валерий Васильевич, доктор технических наук, профессор. uлавный научный сотрудник
Беларусь
Старовойтов Валерий Васильевич, доктор технических наук, профессор. uлавный научный сотрудник
Список литературы
1. Pedersen, M., Hardeberg, J. Y. Full-reference image quality metrics: Classification and evaluation // Foundations and Trends® in Computer Graphics and Vision, 2012), V. 7, № 1. – pp. 1–80.
2. Lin W., Kuo C. C. J. Perceptual visual quality metrics: A survey // Journal of Visual Communication and Image Representation. – 2011. – Т. 22. – №. 4. – pp. 297–312.
3. Wang, Z., Bovik, A. C. Modern image quality assessment // Synthesis Lectures on Image, Video, and Multimedia Processing, 2006, V. 2. – № 1. – pp. 1–156.
4. Wang, Z., Bovik, A. C., Sheikh, H. R., and Simoncelli, E. P. Image quality assessment: from error visibility to structural similarity // IEEE Trans. Image Processing, 2004, V. 13. – № 4. – pp. 600–612.
5. Chandler, D. M. Seven Challenges in Image Quality Assessment: Past, Present, and Future Research’, ISRN Signal Processing, 2013, V. 2013. – C. 1–53.
6. Renieblas G. P. et al. Structural similarity index family for image quality assessment in radiological images // Journal of Medical Imaging. – 2017. – Т. 4. – №. 3. – С. 035501.
7. Sheikh H. R., Sabir M. F., Bovik A. C. A statistical evaluation of recent full reference image quality assessment algorithms // IEEE Transactions on image processing. – 2006. – Т. 15. – №. 11. – pp. 3440–3451.
8. Dosselmann R., Yang X. D. A comprehensive assessment of the structural similarity index // Signal, Image and Video Processing. – 2011. – Т. 5. – №. 1. – pp. 81–91.
9. Hore A., Ziou D. Image quality metrics: PSNR vs. SSIM // Proc. Of the 20-th Int, Conf. on Pattern Recognition, 2010. – pp. 2366–2369.
10. Pambrun J. F., Noumeir R. Limitations of the SSIM quality metric in the context of diagnostic imaging // Proc. of the IEEE International Conference on Image Processing, 2015. – pp. 2960–2963.
11. Старовойтов В. В. Уточнение индекса SSIM структурного сходства изображений // Информатика. – 2018. – Т. 15. – №. 3. – С. 41–55.
12. Ponomarenko, N, Jin, L, Ieremeiev, O, Lukin et al. Image database TID2013: Peculiarities, results and perspectives // Signal Processing: Image Communication, V. 30. C. 57–77.
13. Gu, K., Zhai, G., Lin, W., Liu, M. The analysis of image contrast: From quality assessment to automatic enhancement’ // IEEE Transaction on Cybernetics, 2016. – V. 46. – № 1. – С. 284–297.
Рецензия
Для цитирования:
Старовойтов В.B. Индекс SSIM не является метрикой и плохо оценивает сходство изображений. Системный анализ и прикладная информатика. 2019;(2):12-17. https://doi.org/10.21122/2309-4923-2019-2-12-17
For citation:
Starovoitov V.V. The SSIM index is not a metric and it is badly evaluate the similarity of images. «System analysis and applied information science». 2019;(2):12-17. (In Russ.) https://doi.org/10.21122/2309-4923-2019-2-12-17
Просмотров:
813
Послать статью по эл. почте 