基于视频模糊程度的评价
针对视频的评价，我自己在研究的时候就觉得，我如果是用在实时性的研究上，那么这个就不需要对整个视频的帧率等相关的视频参数来做评价，所以我下面将的，都是基于图片的模糊程度的评价。也就是将视频拆分帧，然后分隔一段时间来抽取一帧来进行评判。
1. 评价的方法
传统的评价方法分为两大类：主观评价和客观评价。主观就是人眼直接了，这里不再赘述。客观又分为三种：全参考、半参考和无参考评价。有参考即是指由图片进行比对，这里我不进行说明，因为真正在实际运用中，很少有给你对比这样的情况发生，所以，我讲的主要是无参考的图像质量评价。但我也说一下全参考评价指标，因为有些指标经常能听到，例如：信噪比、峰值信噪比、均方差、平均结构相似度等。
对于全参考的代码讲解，可以参考这篇博客，其以matlab实现。
或许你在问，我如果写了一个代码，有一些数值了，但空有这个数值我自己写得不出这个东西算是模糊还是不模糊，也就是我自己无法进行一个模糊度的评判。没事，这玩意有很多人做过，像很多研究一样，一般都会有专门的数据库，且里面的数据库大多是带有已经给你评判好的指标。这里给出一篇博文引入的相关数据库链接。里面列举了很多这方面的数据库链接，感谢博客的分享。
1.1 一个评判指标：DMOS
什么是DMOS？
通俗点说就是一个主观上的图像质量评判，其全称叫平均主观得分差（Diffenrential mean opinion score），也就是人眼对无失真图像和失真图像评价得分的差异。同样类似的还有MOS(平均主观得分)。
通常来说，最终我们写好的算法，都是要给我们人来做评判，所以，我们需要使用DMOS来测试我们的算法是否真的符合我们人类，那怎么才算符合呢？
通常MOS值越大（DMOS值越小），图片质量越高。
这个指标在LIVE的数据库上就有给出（因为我研究的就是使用这个数据库，其它的相信也都有，也没有太多研究了）
注：LIVE image database release2的解压密码为：livedatabase2005
1.2 如何使用LIVE数据库
这里要想说一下相关系数这个概念。
1.2.1 相关系数
注：相关的内容引自这篇博客，有需要的可以访问。博客不易！
我们知道评价一个图片质量的好坏，就是看它的主观评价值（MOS或DMOS），但是我们算法求出来的值是这些值吗，明显不是。而一般的数据库能提供的，就只有他们主观评价的值（MOS或DMOS），那我们要怎么去使用这些值来评价我们算法的好坏呢？
这就是相关系数。这里我们讨论的相关系数，就是指我们主观评分值与算法评分的相关度。如果他们的相关度较高，则说明这个算法的评价方法越好，换句话说，也就是越接近于我们人眼所见到的评价，而这些评价，往往是一些数据库提供的，这就使得我们对所设计的算法的评价有了一个科学性。
说完了相关系数，当然不能忘记说它是怎么计算的。关于图像的相关系数主要分为SROCC、KROCC、PLCC、rMSE。这里不做相关数学公式的计算，我自己是电子专业的，老师也经常教导我们：一个工程师最重要的是学会如何去使用别人已经做好的，而让自己有更多的时间去钻研自己需要去钻研的内容。（这句话在这里引用只是想表达一下如果网上有别人做好的，不需要再花太多的时间去研究，当然自己也知道，我们要知其所以然，我也不反对那些喜欢深究的孩纸们去研究这些，这里不再赘述！）
这里说明，要是SROCC、KROCC、PLCC这三个的计算结果越接近于1，则算法越好。若RMSE的值越小，则算法越好。
1.2.2 进行算法的评判
这里有一篇博客，对于相关系数的讲解，讲的比较清晰，我这里对上面三个的使用便不再说了。 总的来说，如果自己的算法算出来的值，与LIVE数据库给出的DMOS值得相关系数越好，则算法越好。
