【導語】 分析報告是一種比較常用的文體。有市場分析報告、行業分析報告、經濟形勢分析報告、社會問題分析報告等等。下面關於影象分析報告模板，祝您生活愉快!
影象質量評價的方法分為主觀評價和客觀評價兩種方法。主觀影象評價方法是根據人眼的視覺系統感知影象質量的好壞。此方法是影象質量評價最直接、有效的方法。但是主觀評價方法的主體是人，所以不可避免的存在很多主觀因素的影響。例如，人當時的情緒，自己的經驗，觀察環境等。這種方法的評價效率低，代價高，確定性差，實時性差，不能直接應用於影象處理系統。
客觀影象評價方法是通過建立數學模型，計算降質影象相對於原始影象的失真程度。客觀評價方法的主體是機器，所以其操作簡單，系統穩定，可移植性好。客觀影象評價方法主要分為全參考影象質量評價，半參考影象質量評價和無參考影象質量評價三種類型。其中全參考影象質量評價方法研究時間最長，發展較為成熟。
一、傳統的全參考影象質量評價方法
傳統的全參考影象質量評價方法主要是採用均方誤差MSE(Mean Square Error)和峰值信噪比PSNR(Peak Signal-to-Noise Ratio)。它們計算失真影象與原始影象之間的訊號誤差，誤差越小，失真影象與原始影象越接近，影象的質量就越好。其數學表示式為：
MSE=■∑■■∑■■[a(i，j)-■(i，j)]2 (1-1)
其中a(i，j)和■(i，j)分別表示原始影象與失真影象中對應的灰度值或色彩值。
M*N表示影象的畫素總個數。
PSNR=10lg[■] (1-2)
其中L表示影象的灰度範圍，一般情況下取值為255。
(1-1)和(1-2)的.兩種方法基於影象畫素灰度值進行統計和均值計算，雖然效率高、實現簡單，但是卻忽略了人眼的視覺特點，因而不能準確的反映出影象的質量，存在明顯的不足。在圖1中[1]，訊號1和訊號2分別與原始訊號進行均方誤差計算，計算結果相同。但在人眼看來，訊號1明顯比訊號2更接近原始訊號。
二、基於HVS的影象質量評價方法
由於影象的最終接收者是人的視覺系統，而傳統的影象質量評價方法忽略了人類視覺特性。因此為了得到更加準確的影象質量評價方法，人們根據HVS(Human Visual System)人眼視覺系統理論，提出了與感知影象失真比較接近的評價方法。
Zhou Wang[2]等人認為人眼的視覺特性主要是提取背景中的結構資訊，並以此提出了基於結構相似度資訊的影象質量評價方法SSIM(Structural Similarity Image Measurement)。
1 SSIM結構相似度
SSIM(X，Y)=[I(x，y)]a*[c(x，y)]β*[s(x，y)]γ (1-3)
其中α、β、γ>0，這三個引數對亮度、對比度和結構資訊進行調整。
x，y分別為原影象和重建影象中對應的位置的塊。
2 MSSIM平均結構相似度
在實際使用SSIM計算時並不是直接將原影象和失真影象的結構進行比較，而是將兩幅影象用相同大小的滑動視窗進行互不重疊的分塊。假設分塊的總數為N，考慮到視窗的形狀會對分塊造成影響，所以採用高斯加權計算每個視窗的均值，方差及協方差，然後利用公式⑥計算出影象對應塊的SSIM(x，y)，再對結果取平均值，得出影象的平均結構相似度MSSIM。
MSSIM(x，y)=■∑■■SSIM(xj，yj) (1-4)
考慮到影象中畫素灰度變化程度對視覺效果的影響，提出了一種加權的結構相似度WSSIM。
