全参考图像质量评估

全参考图像质量评估（英语：Full Reference Image Quality Assessment, FR-IQA）是一种图像质量评估的方法，是指在拥有理想质量的参考图像的情况下，和测试图像进行比较，分析测试图像的失真程度，从而获得测试图像的质量评估结果。常用的评估方法主要基于像素统计、信号、结构。例如比较原始图像和经由JPEG压缩后图像的失真程度。

基于图像像素统计的基础上，均方误差和峰值信噪比为两种较常使用的图像质量评估方法。

由于 MSE 和 PSNR 在某些情况下不能精确地表示图像质量，故Hamid R Sheikh和Alan Bovik等人提出了信号保真度和视觉信号保真度两种基于信号基础的算法

结构相似性是一种基于结构基础上用来判断图像失真程度的方法。

自然图像是高度结构化的，也就是说在自然图像中相邻像素之间有很强的关联性，而这样的关联性承载了场景中物体的结构资讯。人类视觉系统在观看影像时已经很习惯抽取这样的结构性资讯。因此，结构相似性在图像质量评估中更符合人眼对图像质量的判断。给定两张图像 ${\displaystyle x}$ 、 ${\displaystyle y}$ ，SSIM 定义为:

${\displaystyle l(x,y)}$ 比较 ${\displaystyle x}$ 和 ${\displaystyle y}$ 的亮度， ${\displaystyle c(x,y)}$ 比较 ${\displaystyle x}$ 和 ${\displaystyle y}$ 的对比， ${\displaystyle s(x,y)}$ 比较 ${\displaystyle x}$ 和 ${\displaystyle y}$ 的结构。 ${\displaystyle \mathrm{\alpha <!--\; \alpha \; -->}>0}$ ， ${\displaystyle \mathrm{\beta <!--\; \beta \; -->}>0}$ ， ${\displaystyle \mathrm{\gamma <!--\; \gamma \; -->}>0}$ ，为调整 ${\displaystyle l(x,y)}$ 、 ${\displaystyle c(x,y)}$ 、 ${\displaystyle s(x,y)}$ 的参数。

${\displaystyle {\mathrm{\mu <!--\; \mu \; -->}}_x}$ 和 ${\displaystyle {\mathrm{\mu <!--\; \mu \; -->}}_y}$ 、 ${\displaystyle {\mathrm{\sigma <!--\; \sigma \; -->}}_x}$ 和 ${\displaystyle {\mathrm{\sigma <!--\; \sigma \; -->}}_y}$ 分别为 ${\displaystyle x}$ 、 ${\displaystyle y}$ 的平均值和标准差， ${\displaystyle {\mathrm{\sigma <!--\; \sigma \; -->}}_{xy}}$ 为 ${\displaystyle x}$ 、 ${\displaystyle y}$ 的协方差， ${\displaystyle C_1}$ 、 ${\displaystyle C_2}$ 、 ${\displaystyle C_3}$ 为用来维持稳定的常数

SSIM的范围为0~1 。SSIM 的值愈趋近 1 ，表示两张图像愈相似，测试图像失真程度愈低；SSIM 的值愈趋近 0，表示两张图像愈不相似，测试图像失真程度愈高。当两张图像相同时，SSIM 的值为 1。