统计模型的图像质量评价技术研究

◇杜卫东

一、构建统计模型的意义

统计模型是经过数理统计法求得各变量之间的函数关系，通常由与一个或多个随机变量以及可能的其他非随机变量相关的数学方程来指定的一种数学模型。在构建统计模型中，统计分析有着重要的作用。统计分析通过计算研究对象特征的样本平均值、方差或者所占百分比，研究变量之间的关系，特别是二者之间的因果关系，进一步发现被研究对象的发展规律，从而验证假设是否成立，深入探究寻求解决问题的方法。常用的数理统计分析有最大事后概率估算法、最大似然率辨识法、最大事后概率估算法和最大似然率辨识法等。统计模型的意义主要在于以下几点：

（一）对系统内随机结构的描述

在统计模型中对随机结构的描述就是一种描述性统计，即对已知数据的共同性质进行概括，并将统计模型中那些不具有特定量的值描述出来。统计模型中对数据的采集和分析，通常都是由一个或几个随机变量的数学公式来表示，因此，统计模型自身所特有的概率分布也不同于其他数学模型。

（二）对集中趋势的预测

统计模型可以对一组数据中集中趋势进行分析，在数据统计模型中则可以用一个数值去代表一组数据的一般水平。同时，对不同空间的同类现象做比较，将一定管理现象和趋势在不同的时间变化做比较，从而分析出不同管理现象之间的依存关系。

（三）信息的提取

基于统计模型的公式之下，通过模型公式的对照和计算来设计出对应的数据模型，并且从中提取模拟结果和对象的过程。可以根据提供的数据来增加或减少模型中的量来获取解决问题的最优方案。构建统计模型可以从系统内提取信息，正确分析总体和样本之间的关系，判断样本数据是否支持假设的某些总体特征的特定值。

二、数据统计模型与图像质量评价技术的关系

（一）图像质量评价

图像质量评价是图像处理中的基本技术之一，其意义是在图像处理系统中，对算法进行分析和比较、同时做出系统性的评估。而图像作为人类视觉的基础，对人类认识世界及其了解本身都具有重要意义。但由于图像数据在采集、压缩、处理、传输和恢复的过程中可能会引入各种失真，这些失真会对后续的图像处理、分析和理解带来困难，不利于人们更加深入客观的认识世界。因此，对图像的优劣程度进行正确评估对图像处理技术的提高至关重要。

（二）数据统计模型

通常的统计模型是以预测、信息提取、对随机结构进行描述为目的所构造的一类特殊数学模型，而数据统计模型是一种用于数据统计分类和综合评价的多变量统计分析模型。在人们认识事物的过程中，往往会受到内部复杂规律及其自身认识程度的影响，导致不能正确分析客观事物内部的因果关系，这个时候就需要建立一个适合的数学模型来帮助人们解决问题。在我们的日常生活中常常会遇到无法直接用理论分析来导出模型的问题，而数据统计模型恰好弥补了这一不足，通过多变量的统计分析对数据进行分类和综合评价。

（三）数据统计模型和图像质量评价的关系

我们在建模和应用的过程中，不可避免地会出现这样或那样的误差，对模型结果的分析也不尽相同，因此，需要运用图像质量评价技术对模型的算法技术进行分析和比较，做出系统性的评估，从而达到完善数据统计模型的目的。相反的，数据统计模型也会对图像质量评价技术产生影响，有利于改进和提高图像质量评价技术，二者相互影响，意义重大。

三、统计分析与评估质量

（一）统计分析及其步骤

统计分析是指运用统计方法及与分析对象有关的知识，从定量与定性的结合上进行的研究活动。统计分析具有数据性、目的性、时效性的特点，在数据统计分析中大体分为以下5个步骤：

1.对需要分析的数据进行综合性的描述。

2.确定研究对象的数据关系。

3.构建模型，确定数据与对象之间的关系。

4.探究模型的可行性。

5.根据预测分析来预测将来的发展趋势。

（二）统计分析中存在的错误

很多时候尽管构建出了适合的数据统计模型，已经确定了统计模型中的数据和预测趋势，但在统计分析中仍然可能会出现错误。对于数学统计模型来说，可能在平均值的处理上出现错误，没有对平均值做相关的检验和预测。还有的在进行分析时根本没有做显著性检验，只对两组数据进行简单的分析和概括，这样将会严重影响数据的准确性和客观性。

（三）评估质量与统计分析的关系

通常人们将评估质量的方法分为两大类：主观质量评价和客观质量评价。由于主观评价是以受测者直接观看测试序列为基础的，所以在客观评价中引入视觉系统（HVS）的特性是非常必要的。对于在数据统计模型中也是同样的，提高评估质量可以有效地促进统计分析能力的提高，进一步加深对数据统计模型的认识和理解，缩短统计模型的建模时间。统计分析的效率提高了也会对评估质量起到促进的作用，对评价对象尤为重要。评估质量对数据统计模型也会产生影响，评估质量越高，相对的数据统计模型也更容易建立。

四、图像质量评价技术的分类及其缺点

（一）图像质量的主观评价

图像质量的主观评价就是通过人来观察图像，并对图像的优劣失真程度做出分析比较得出结果的评价。这种评价往往取决于观察者的主体状态和感觉，评价结果也会受到各种因素的影响。因此，为了减少外界因素对主观评价的影响，要求评价者足够多并且只针对人的主观性判断做出评价。在这里还要求观察者有足够的知识和观察认知事物的能力。这些年来，随着科学技术的不断发展，人们也在寻求符合人们主观需求的评价方法。

（二）图像质量客观评价

图像质量客观评价又可以分为全参考、部分参考和无参考三种类型。全参考图像质量评价就是在选定一个特定的参考图像下，比较参考图像与代评价图像之间的差异，从而分析出图像的失真程度，做出准确的质量评估。部分参考质量评价则是对选定对象的部分信息进行参考，再通过和待评价对象的比对与研究，并从图像中提取出需要的信息。无参考评价也就是将理想参考图像与待评估图像相分离的评价方法，这种方法对图像的质量评价方法较为广泛。相同的，图像质量的客观评价也要通过视觉系统建立模型，采集影响图像质量的各个因素，同时进行科学的分析测试。

（三）图像质量评价方法的缺点

由于主观评价方法是人直接参与的评价，这种方法得出的结论通常带有主体个人情感色彩，观察者容易受图像类型和所处环境的影响，且评价结果不够准确。而客观评价方法则缺乏了对人的心理情感的把握和观察，忽略了人的主观能动性对图像质量评价的运用。

五、图像质量评价技术对统计模型的意义

（一）对统计模型的算法进行分析比较

在统计模型的建模过程中，往往需要根据问题进行统计分析，而算法对于统计模型的构建和预测十分重要。提高图像质量评价技术有利于改进算法的运行方法，对数据进行更为全面的分析和假设，从两组不同的数据中比较分析，缩小数据误差。同时，图像质量评价技术还会影响统计模型的拟合度，合理的配置时间数据序列，使统计模型更加完善。

（二）可以减少统计模型中的无关数据量，使操作更加简便

在数据统计模型中，我们通常会面对大量的数据，让统计模型的构建和运用变得困难，但图像质量评价技术可以有效地筛选数据，排除无关的数据，使结果更加准确。在数据统计模型的计算过程中，有时需要对大数据进行收集和分析，但一般的数据模型都没有对数据做出一个确定范围内的要求，这就使计算过程更加复杂。此外，图像质量评价技术还可以优化操作程序，使烦琐的计算变得简便。

（三）减少外界因素对模型造成的影响及其偏差

统计模型的假设通常用概率分布来描述，在这个过程中，人们对特定的数据进行采集和分析具有不确定性，容易受到外界的干扰和影响。有时候一个或者几个随机变量的变化就会导致统计模型的错误假设和检验，统计模型的集中趋向也受到外界因素的影响和制约，可能会造成数据的偏差。而图像质量评价的进步则可以为统计模型构建提供一个更为舒适的环境，能减少外界的其他因素对统计数据的影响，从而减小数据偏差。

（四）对统计模型做出系统性的评估

图像质量评价技术能对统计模型做出系统性的评估，随着图像评价技术的指标和方法不断完善，人们就可以更加便捷地对统计模型进行系统的概括和评估，评估质量也会对模型产生更为深刻的影响。使统计模型越来越能有效地应用到社会各个领域，对推动社会发展起着重要的运用。

（五）加强联系，使数据的准确性大大提高

数据统计模型中，对应用函数的拟合只是大体的估计，往往会存在很大偏差，不能准确反映出具体的情况，而图像质量评价技术的应用可以加强数据与模型之间的联系，同时还能提高数据的准确性。

六、结语

近年来，随着社会的不断发展以及对数字图像领域的广泛研究，图像质量评价技术越来越受到人们的关注，此外，统计模型和图像质量评价之间的联系也越发紧密，将会在未来的社会生产和生活中产生重大的影响。