信号级与感知模型指标：峰值信噪比、结构相似度与融合模型

"分数 95 分"这句话里，最容易被跳过的信息是它是拿什么算出来的、跟谁比的。本页专门处理三类分数里的后两类 —— 信号级图像指标与感知模型指标，它们是压缩与处理链路里最常用的量化工具，也是最常被误当验收判据的一类数字。

本页按三段式走：先看清它们各自在算什么（概念）→ 再学会"什么时候能用、怎么对齐"（会用）→ 最后弄清它们的边界（原理）。

三类分数的分工见感知度量与客观指标；仪器侧的客观测量见 PQ 客观评测细则；内容侧的质量上限与源规格见视频编码与流媒体；伪影的形态与归因见压缩与处理伪影判读。

一、概念：本页处理的是"有参考的比较"

类别	有没有参考	回答什么	举例
仪器测量	不适用（测物理量）	物理量是多少、是否达标	亮度、色差、响应时间
信号级图像指标	需要有参考图像	处理后的图像与参考差多少	峰值信噪比、结构相似度一类
感知模型指标	需要有参考，且引入视觉加权	人眼"可能"察觉多少	引入频率敏感度或多特征融合的模型
无参考类	不需要参考	单张图估计"看起来有多差"	面向单张图像的估计模型

⚠️ 第一条纪律：这类指标的分母（参考）必须到场。 "分数 95"而不写参考是什么、参考怎么来的，这个数字无法与任何其他数字比较。

二、概念：常用指标各自在算什么

指标	对着谁比	核心在算什么	对什么敏感	对什么不敏感
峰值信噪比（PSNR）	参考图像逐像素	均方误差的另一种写法（分贝），常按亮度通道计算	整体亮度/对比的偏移、加性噪声	结构变化、局部纹理变化、色度问题
结构相似度（SSIM）	参考图像局部窗口	亮度项 + 对比项 + 结构项的组合	局部结构与对比度的改变	整体平移/微小偏移（与 PSNR 相反）、色度（常见实现只算亮度）
多尺度结构相似度（MS-SSIM）	同上，多尺度	在不同尺度上重复结构相似度的比较	尺度相关的退化（如模糊、细节抹除）	同样偏亮度通道
融合类感知模型（VMAF 一类）	参考视频	把多个基础特征（细节、运动等）用模型融合成一个分	压缩与缩放带来的观看质量变化	未训练过的失真类型、跨模型跨版本比较

三条读法上的注意：

前三个是通用图像比对指标，最后一个是面向视频观看场景的融合模型 —— 目标是"接近观看评分"，不是"描述物理差异"；
融合模型的分只在同一模型、同一版本内可比；换模型、换分辨率档（如按 1080p 与按 4K 训练的两套）分数不可直接对照；
所有指标都只回答"差多少"，不回答"能不能接受"（那是判据与验收的事）。

三、会用（一）：什么场合能用、什么场合不能用

场合	能不能用	理由
同一编码器、不同码率/参数的对比	✅ 适合	参考相同、失真类型相同，正是它设计的目标
链路环节排查（哪一环掉得多）	✅ 适合	用同一参考对多环节输出打分，可定位损失集中处
显示器画质验收	❌ 不适合	它比的是图像数据，不是屏幕输出的物理量
跨分辨率、跨色域、跨 HDR/SDR 比较	❌ 不适合	参考与条件都变了，分数没有共同基线
判断"用户会不会觉得差"	⚠️ 仅作参考	它拟合的是平均观察者，且看不到时间与空间上的分布问题
选择播放器/滤镜的输出设置	⚠️ 需固定其余变量	播放器常自带锐化与降噪，会把分数"优化"上去

四、会用（二）：做相对比较的六条对齐纪律

① 参考一致：全部分数对同一个参考算 —— 参考被压缩过，比较就失去意义
② 传递函数与空间一致：SDR 与 HDR 各用一套；色彩空间（RGB / YCbCr）与转换口径一致
③ 分辨率与缩放一致：先统一到同一分辨率再算 —— 缩放本身会改变分数
④ 位深与抽样一致：比 10bit 与 8bit、4:4:4 与 4:2:0 时要固定其余变量
⑤ 帧对齐与时域窗口一致：视频要写明取了多少帧、是否含场景切换
⑥ 指标版本一致：换模型或换版本等同于换了一把尺

⚠️ 最容易漏的是第 ③ 条：同一段视频先在 1080p 域算、另一段在 4K 域算，两条曲线放一起比"谁掉得快"，结论可能是假的。

五、会用（三）：把它当"链路诊断"用

指标最有价值的用法不是排名，而是定位损失发生在哪一环：

① 确定参考：用损失最小的源（无损或轻压缩的中间编码）
② 逐环取输出：源 → 解码 → 播放器处理 → 链路/抽样 → 显示器输入端
③ 对每个环节的输出与参考算同一个指标（同一版本、同一对齐口径）
④ 看"掉分集中在哪一步"，再决定查哪一环（编码 / 处理 / 协商设置）

三条提醒：

分辨率与缩放要在同一步做，否则会把"缩放损失"记到别的环节头上；
不要拿屏上的翻拍画面当"输出" —— 把相机加进来，指标测的就不再是链路；
指标只给"掉了多少"，能不能接受仍要回到判据（见判据与验收）。

六、会用（四）：记录字段

□ 指标名称与版本/模型（含是否按特定分辨率档训练）
□ 参考的来源与规格（编码、码率、位深、色度抽样）
□ 对齐条件（分辨率、色彩空间、传递函数、位深、帧窗口）
□ 被测对象的处理链（解码器、播放器设置、是否经中间设备）
□ 统计口径（逐帧值与汇总方式：均值 / 最差 / 分位）

原理（一）：为什么峰值信噪比高不等于看着好

它由均方误差换算而来，而均方误差对所有像素一视同仁：
   ① 不区分"差在哪里"：把边缘轻微错位与整屏加了一点灰，可能得到相近的均方误差
   ② 不含视觉掩蔽：在细密纹理里看不见的误差，与平坦区域的可见误差同权
   ③ 只在亮度通道上算时，色度退化（彩色边缘、渗色）几乎不进入分数
→ 于是出现经典现象：轻微模糊的图可能"分数更高"，而锐利但有少量振铃的图"分数更低"
→ 结论：它适合稳定条件下的横向比较，不适合代表观感

原理（二）：为什么结构相似度一类也不能当判据

① 仍是"与参考的差"，参考错了，一切归零
② 常见实现是亮度通道 + 单一尺度：色度退化与跨尺度问题被低估
③ 融合模型是"拟合平均观察者"的结果：它的训练内容分布决定了它的敏感区，
   遇到没见过的失真类型（如某种色调映射行为）时它的判断不可靠
④ 它看不到空间与时间的分布问题：均匀性、光晕、频闪这类"局部/时变"问题
   在整帧平均里会被稀释
→ 因此它们能回答"哪一步损失多"，不能回答"这块屏行不行"

原理（三）：为什么"对着指标调"会把画质调坏

指标是"某个数值"的最优，观感是"整体体验"的最优，两者目标不同：
   对着均方误差类指标优化 → 倾向于把细节抹平（模糊的图误差更小）
   对着结构项优化       → 可能保住结构，却改变纹理的细腻感与噪声形态
   对融合模型优化       → 容易过拟合到该模型的敏感区，其它维度被牺牲
→ 还会引出"自证循环"：用同一指标既调参又验收，等于既当运动员又当裁判
→ 稳定做法：调参用指标，验收用物理量与判据，观感用主观方法学
   （见 [主观测试的方法学](subjective-test-methodology.md)）

七、常见误区

误区	说明
"分数高就是画质好"	目标不同：它优化的是某个数值，不是整体体验
"不写参考也能比"	参考不同、条件不同，分数没有共同基线
"可以用它做验收"	它面向相对比较，不面向物理量与达标判定
"换个模型分数应该差不多"	模型与版本不同，等于换了尺
"无参考模型可以替代有参考"	无参考类与主观的一致性通常更弱，只能粗筛
"跨分辨率也能比"	缩放会改变分数，必须先统一到同一域
"帧数越多越准"	时域窗口与是否含场景切换必须写清，否则不可比
"用指标调参再用指标验收"	自证循环，结论不可信

📋 判据接口：本页属测量方法与流程类 —— 依此页结论做判定时，除通用条件外还必须附带判据字段集 · 测量方法与流程类所列字段（共 7 项）：这次测量的结果能否被另一个人原样重放？缺任一项，结论不可复核，只能作降级表述。

关键概念速查

术语	英文	含义
峰值信噪比	PSNR	由均方误差换算的分贝值，逐像素比较
结构相似度	SSIM	在局部窗口比较亮度、对比与结构
多尺度结构相似度	MS-SSIM	在多个尺度上重复结构相似度比较
融合类感知模型	VMAF 一类	融合多个特征、面向视频观看评分的模型
全参考 / 无参考	FR / NR	是否需要参考图像
均方误差	MSE	逐像素差的平方平均，PSNR 的基础
视觉掩蔽	Masking	纹理与边缘会掩盖附近误差，指标通常不建模
对齐条件	Alignment	参考、分辨率、色彩空间、位深、帧窗口的一致

信号级与感知模型指标：峰值信噪比、结构相似度与融合模型 ​

一、概念：本页处理的是"有参考的比较" ​

二、概念：常用指标各自在算什么 ​

三、会用（一）：什么场合能用、什么场合不能用 ​

四、会用（二）：做相对比较的六条对齐纪律 ​

五、会用（三）：把它当"链路诊断"用 ​

六、会用（四）：记录字段 ​

原理（一）：为什么峰值信噪比高不等于看着好 ​

原理（二）：为什么结构相似度一类也不能当判据 ​

原理（三）：为什么"对着指标调"会把画质调坏 ​

七、常见误区 ​

关键概念速查 ​

相关文档 ​