在图像处置惩罚范畴，回归图像评价指标至关紧张。回归神经网络模子推测后，对结果举行正确评价是评估模子性能的关键步调。这不但关乎模子的毛病分析，还直接影响模子体系的改进方向。因此，选择符合的图像评价指标是一个焦点研究议题。
1、毛病类指标
这类指标重要用于量化推测值与真实值之间的数值毛病，实用于回归使掷中团体毛病的评估。
1.1 均方毛病（MSE, Mean Squared Error）
均方毛病：盘算全部毛病（推测值与真实值差异）的平方的均匀值，能放大大毛病的影响。
应用：重要用于权衡模子团体的推测精度，恰当对非常值较敏感的场景
1.2 均方根毛病（RMSE, Root Mean Squared Error）
均方根毛病 ：MSE的平方根，使得毛病的量纲与原始数据划一，便于直观明白。
应用：常用于现实工程中，对大毛病特别敏感时使用。
1.3 均匀绝对毛病（MAE, Mean Absolute Error）
均匀绝对毛病： 盘算推测毛病的绝对值的均匀值，直接反映均匀毛病。
应用： 当必要低沉大毛病太过影响时，MAE比MSE更妥当。
1.4 均匀相对毛病（MRE, Mean Relative Error）
均匀相对毛病： 权衡毛病与真实值巨细之间的比值，更关注毛病在各个数值级别上的相对体现。
应用： 实用于目标值幅度厘革较大，必要归一化毛病影响的场景。
1.5 峰值信噪比（PSNR, Peak Signal-to-Noise Ratio）
峰值信噪比： 以对数方式表达信号的最大大概功率与噪声功率之间的比例，通常用于图像质量评价。
此中，MAX是图像中大概的最大像素值。
应用： 重要用于图像压缩、重修及降噪等使掷中的质量评估。
1.6 均匀毛病毛病（MBE, Mean Bias Error）
均匀毛病毛病： 反映推测结果是否存在体系性偏高或偏低的标题。
应用： 在模子诊断中判定是否存在显着的偏移。
1.7 均匀对数平方毛病（MSLE, Mean Squared Logarithmic Error）
均匀对数平方误： 对数化后盘算平方毛病，实用于非负且数目级厘革较大的数据。
应用： 常用于推测呈指数级增长或具有较大动态范围的数据。
1.8 相对平方毛病（RSE, Relative Squared Error）
相对平方毛病： 权衡模子的推测毛病相对于使用均值作为推测时的毛病巨细。
应用： 用于模子性能的归一化比力，数值越小体现模子越优。
1.9 毛病类指标范围
2、布局相似度类指标
2.1重要指标
此类指标侧重于权衡图像在布局、亮度和对比度等方面的相似性，更符合人眼的感知特点。
布局相似度指数（SSIM, Structural Similarity Index）
布局相似度指数： 从亮度、对比度和布局三方面同时思量两幅图像的相似性。
此中，μ代表均值，σ代表标准差，σxy为协方差，C1和C2为常数 ；
应用： 广泛用于图像重修、压缩和传输质量评价中。
其他的指标另有向：多标准布局相似度（MS-SSIM, Multi-Scale SSIM）：实用于高分辨率图像和必要多标准感知的使命。；特性相似度指数（FSIM, Feature Similarity Index）：用于感知质量评估，尤其恰当对人眼视觉敏感的应用。
2.2 取值范围：
3、频域分析类指标
这类指标从频率角度分析图像信息，重要关注图像细节、纹理和边沿的还原环境。
3.1 傅里叶毛病（FE, Fourier Error）
傅里叶毛病： 通过傅里叶变更将图像转换到频域，再比力推测图像与真实图像之间的差异。
此中，F(⋅)体现傅里叶变更。
应用： 用于评估图像在频域（尤其是高频细节）上的规复结果。另有像高频毛病（HFE, High-Frequency Error）： 常用于检测图像细节丢失和边沿锐化等使命。
3.2取值范围
4、相干性指标
该类指标用于权衡推测结果与真实数据之间的相干程度，既可以反映线性关系，也可以用于排序相干性分析。
4.1皮尔逊相干系数（PCC, Pearson Correlation Coefficient）
皮尔逊相干系数： 权衡推测值与真实值之间的线性相干性，取值范围为[−1,1][-1, 1][−1,1]。
应用： 实用于评估推测结果与真实数据之间是否存在线性关系。
4.2 取值范围
5、其他自界说指标
5.1相位毛病（PE, Phase Error）
相位毛病： 用于权衡相位图像中推测相位与真实相位之间的差异。
此中，θ 体现真实相位，θ^体现推测相位。
应用： 重要在干涉成像、相位重修等必要处置惩罚相位信息的使掷中使用。
5.2取值范围
毛病类指标通过直接量化推测值与真实值之间的数值差异来评估性能，而布局相似度类指标则更注意图像团体布局的相似性，更符合人眼视觉的感知特点。频域指标则专注于图像在频域上的体现，特别是细节和纹理的还原环境。相干性指标则用于探究推测数据与真实数据之间的相干关系，以评估推测模子的正确性。别的，感知质量指标则侧重于反映人眼对图像的主观感受，是评估图像处置惩罚算法性能的紧张方面。
参考资料：- https://blog.csdn.net/qq_23304241/article/details/80953613
- https://blog.csdn.net/qq_27825451/article/details/102954096
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。 |
发表于 2025-10-10 19:21:40