DMOS算法介绍及算法原理

DMOS算法

图像质量评价可以分为主观评价方法和客观评价方法,主观评价由观察者对图像质量进行主观评分,一般采用平均主观得分(Meanopin-ionscore,MOS)或平均主观得分差(Differentialmeanopinionscore,DMOS)(即人眼对无失真图像和有失真图像评价得分的差异)表示,但主观评价工作量大、耗时长,使用起来很不方便;客观评价方法是由计算机根据一定算法计算得到图像的质量指标,根据评价时是否需要参考图像又可以分为全参考(Fullreference,FR)、半参考(部分参考)(Reducedreference,RR)和无参考(Norefer-ence,NR)等三类评价方法.全参考方法(FR)在评价失真图像时,需要提供一个无失真的原始图像,经过对二者的比对,得到一个对失真图像的评价结果,如信噪比(Signalnoiseratio,SNR)、峰值信噪比(Peaksignalnoiseratio,PSNR)、均方误差(Meansquareerror,MSE)、平均结构相似度(Meanstructuresimilarity,MSSIM)[1]、视觉信息保真度(Visualinformationfidelity,VIF)[2]、视觉信噪比(Visualsignal-to-noiseratio,VSPR)[3]、最显著失真(Mostapparentdistortion,MAD)[4]

、图像差异预测(Imagedifferenceprediction,IDP)[5]等.随着研究的发展,这类方法的准确性越来越好,但其缺点是需要提供无失真的参考图像,这在实际应用中往往很难得到

算法概括

图像质量评价可以分为主观评价方法和客观评价方法,主观评价由观察者对图像质量进行主观评分,一般采用平均主观得分(Meanopin-ionscore,MOS)或平均主观得分差(Differentialmeanopinionscore,DMOS)(即人眼对无失真图像和有失真图像评价得分的差异)表示,但主观评价工作量大、耗时长,使用起来很不方便;客观评价方法是由计算机根据一定算法计算得到图像的质量指标,根据评价时是否需要参考图像又可以分为全参考(Fullreference,FR)、半参考(部分参考)(Reducedreference,RR)和无参考(Norefer-ence,NR)等三类评价方法.全参考方法(FR)在评价失真图像时,需要提供一个无失真的原始图像,经过对二者的比对,得到一个对失真图像的评价结果,如信噪比(Signalnoiseratio,SNR)、峰值信噪比(Peaksignalnoiseratio,PSNR)、均方误差(Meansquareerror,MSE)、平均结构相似度(Meanstructuresimilarity,MSSIM)[1]、视觉信息保真度(Visualinformationfidelity,VIF)[2]、视觉信噪比(Visualsignal-to-noiseratio,VSPR)[3]、最显著失真(Mostapparentdistortion,MAD)

、图像差异预测(Imagedifferenceprediction,IDP)[5]等.随着研究的发展,这类方法的准确性越来越好,但其缺点是需要提供无失真的参考图像,这在实际应用中往往很难得到

通常以算法评价值和人眼主观打分值(MOS或DMOS)的误差和相关性来进行评价,MOS值越大(DMOS值越小)说明图像质量越高;相反,MOS值越小(DMOS值越大)说明图像质量越差.算法评价值与MOS或DMOS的误差越小、相关性越强,说明评价越准确

DMOS算法介绍

DMOS计算

平均主观得分差(DMOS)，它是建立在平均主观分值法(MOS)分值基础上，它的计算公式如下：

di,j=MOSorigial?MOSdistorted

′di,j=max di,j ?min?(di,j)di,j?min?(di,j)

这里，di,j代表观测者对于参考图像和失真图像评分的差异值。最后对di,j′取平均值，可以得到DMOS值。

主观评价算法也有很大的不足之处。首先，需组织人力对图像质量进行评价，评价结果很容易受到个人主观因素的影响，并且当图像数量巨大时，该方法就更为耗费时间，因此不利于在工程实践中的应用；其次，该方法不能自动实现，不能嵌入实际的图像或视频处理系统中，比如流媒体播放、视频会议等。但是为了

评测客观图像质量评价算法，仍然需要用到主观评价算法的辅助，所以对于主观评价算法的介绍也是很有必要的。