基于梯度的结构相似度(GSSIM)：

SSIM 算法不能较好地评价严重模糊图像的质量，有鉴于此提出GSSIM。主要是SSIM中结构信息在模糊情况，不能代表结构信息，所以对图像进行梯度计算，得到图像的边缘，然后再对图像结构相似度进行计算。

边缘算子：

分别对图像进行垂直和水平的梯度计算：

其中和分别为用水平边缘算子H和垂直边缘算子V 计算得到的梯度分量，而后根据如下计算机构相似度。

替换SSIM方法中的，而后进行SSIM同样的计算。

注意GSSIM对非模糊降质图像质量的评价性能和SSIM 的评价性能差不多。

三分量加权结构相似性指数(3-SSIM)：

3-SSIM把SSIM 中对整幅图像的亮度、对比度和结构的比较，改为在边缘、纹理和平滑区域分别计算并赋予不同的权重，得到最终的评测结果。

该方法的计算步骤如下:

a) 计算SSIM map。

b) 把参考图像和失真图像分为三个区域。

c) 对不同的区域赋予不同的权重( 边缘权重赋为0.5，纹理和平滑区域为0.25) ，加权计算得到3-SSIM 的值。

把图像划分为三个区域的过程如下:

a) 使用Sobel 算子计算参考图像和失真图像的梯度图像，

确定两个阈值, ，其中为参考图像的最大梯度值。

b) 根据以下条件把像素点分为边缘、纹理和平滑区域。把坐标为(i,j) 处的参考图像的梯度记为，失真图像在相应点处的梯度记为 。

如果或者，该点就被划分为边缘点;如果  并且，该点被划分为平滑区域的点;否则，把该点分为纹理区域的点。

3-SSIM 也得到了较为满意的结果，效果要好于SSIM 和MSSIM。

《Three-Component Weighted Structural Similarity Index》中可以看到使用三分量+多尺度模型可以等到更好的效果。