【导语】 分析报告是一种比较常用的文体。有市场分析报告、行业分析报告、经济形势分析报告、社会问题分析报告等等。下面关于图像分析报告模板，祝您生活愉快!
图像质量评价的方法分为主观评价和客观评价两种方法。主观图像评价方法是根据人眼的视觉系统感知图像质量的好坏。此方法是图像质量评价最直接、有效的方法。但是主观评价方法的主体是人，所以不可避免的存在很多主观因素的影响。例如，人当时的情绪，自己的经验，观察环境等。这种方法的评价效率低，代价高，确定性差，实时性差，不能直接应用于图像处理系统。
客观图像评价方法是通过建立数学模型，计算降质图像相对于原始图像的失真程度。客观评价方法的主体是机器，所以其操作简单，系统稳定，可移植性好。客观图像评价方法主要分为全参考图像质量评价，半参考图像质量评价和无参考图像质量评价三种类型。其中全参考图像质量评价方法研究时间最长，发展较为成熟。
一、传统的全参考图像质量评价方法
传统的全参考图像质量评价方法主要是采用均方误差MSE(Mean Square Error)和峰值信噪比PSNR(Peak Signal-to-Noise Ratio)。它们计算失真图像与原始图像之间的信号误差，误差越小，失真图像与原始图像越接近，图像的质量就越好。其数学表达式为：
MSE=■∑■■∑■■[a(i，j)-■(i，j)]2 (1-1)
其中a(i，j)和■(i，j)分别表示原始图像与失真图像中对应的灰度值或色彩值。
M*N表示图像的像素总个数。
PSNR=10lg[■] (1-2)
其中L表示图像的灰度范围，一般情况下取值为255。
(1-1)和(1-2)的.两种方法基于图像像素灰度值进行统计和均值计算，虽然效率高、实现简单，但是却忽略了人眼的视觉特点，因而不能准确的反映出图像的质量，存在明显的不足。在图1中[1]，信号1和信号2分别与原始信号进行均方误差计算，计算结果相同。但在人眼看来，信号1明显比信号2更接近原始信号。
二、基于HVS的图像质量评价方法
由于图像的最终接收者是人的视觉系统，而传统的图像质量评价方法忽略了人类视觉特性。因此为了得到更加准确的图像质量评价方法，人们根据HVS(Human Visual System)人眼视觉系统理论，提出了与感知图像失真比较接近的评价方法。
Zhou Wang[2]等人认为人眼的视觉特性主要是提取背景中的结构信息，并以此提出了基于结构相似度信息的图像质量评价方法SSIM(Structural Similarity Image Measurement)。
1 SSIM结构相似度
SSIM(X，Y)=[I(x，y)]a*[c(x，y)]β*[s(x，y)]γ (1-3)
其中α、β、γ>0，这三个参数对亮度、对比度和结构信息进行调整。
x，y分别为原图像和重建图像中对应的位置的块。
2 MSSIM平均结构相似度
在实际使用SSIM计算时并不是直接将原图像和失真图像的结构进行比较，而是将两幅图像用相同大小的滑动窗口进行互不重叠的分块。假设分块的总数为N，考虑到窗口的形状会对分块造成影响，所以采用高斯加权计算每个窗口的均值，方差及协方差，然后利用公式⑥计算出图像对应块的SSIM(x，y)，再对结果取平均值，得出图像的平均结构相似度MSSIM。
MSSIM(x，y)=■∑■■SSIM(xj，yj) (1-4)
考虑到图像中像素灰度变化程度对视觉效果的影响，提出了一种加权的结构相似度WSSIM。
