#【红外图像处理】衡量细节增强的指标
标签（空格分隔）： 【红外图像处理】
前言：据目前了解，常用于衡量细节增强指标包括均方根误差（RMSE，Root Mean Square Error）、细节方差（DV，Detail Variance）与背景方差（BV，Background Variance）的比值DV/BV。
##均方根误差（RMSE，Root Mean Square Error）
这个公式实际上就是方差的计算公式，其中$\hat I$表示是图像均值，$I_n$为第n个像素点的像素值，N为图像像素总数。
那么为何标准差能够被用来描述增强效果呢？
因为该值能在一定程度上反应细节增强程度，取值越大说明图像波动越明显，这与细节增强达到的目标是一致的，但是这种评价可能有些许粗糙！
##DV-BV值
它是将图像像素分为背景像素与前景像素，对于某个像素，若其邻域灰度值的方差小于一个阈值T，那么这个像素标记为背景像素，否则标记为前景像素。所有背景像素邻域方差的均值即为BV值，所有前景邻域方差的均值即为DV值。
好的图像增强方法会使增强后的图像与原始图像相比，BV值相差不大，而DV值会增大很多，且该值越大越好，表征细节更为丰富。
需要最后说明的是由于细节增强比较偏向于主观感知，通过某些参数指标的衡量很难完整反应算法的处理效果，需要通过实际场景中图像视觉效果加以分析验证。所以，这些参数只能用来参考和鼓吹！实际中，好的细节增强算法性能指标肯定是高的，但是并不是说指标高的细节增强算法一定是好的算法！
张朋艺
