紅外模糊圖像無參考質(zhì)量評價(jià)方法

《紅外模糊圖像無參考質(zhì)量評價(jià)方法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、紅外模糊圖像無參考質(zhì)量評價(jià)方法　　摘要：圖像質(zhì)量評價(jià)是對圖像處理算法的優(yōu)劣給出合理的評估，在很多無法獲取原始參考圖像的應(yīng)用場合中使用無參考質(zhì)量評價(jià)方法。通過對紅外圖像結(jié)構(gòu)分析得知圖像所具有的不確定性往往是模糊性，而不是隨機(jī)性，因此將模糊集理論中模糊熵的概念引入到紅外圖像質(zhì)量評價(jià)中，提出一種針對紅外模糊圖像的無參考質(zhì)量評價(jià)方法，并從算法的有效性、一致性和準(zhǔn)確性三個(gè)方面進(jìn)行比較分析。仿真實(shí)驗(yàn)結(jié)果表明，該方法具有計(jì)算復(fù)雜度低、運(yùn)算速度快和主客觀評價(jià)一致等特點(diǎn)，且在總體性能上優(yōu)于均方誤差（MSE）和峰值信噪比（PSNR）全參考圖像質(zhì)量評價(jià)方法。關(guān)鍵詞：圖像質(zhì)量評價(jià)；模糊熵

2、；無參考；清晰度中圖分類號：TN911.73文獻(xiàn)標(biāo)志碼：A0引言紅外圖像質(zhì)量評價(jià)[1]可以用來指導(dǎo)紅外圖像采集設(shè)備和處理系統(tǒng)的構(gòu)建與調(diào)整，以及優(yōu)化圖像處理算法與參數(shù)設(shè)定。目前圖像質(zhì)量評價(jià)一般分為主觀質(zhì)量評價(jià)（subjectiveimagequalityassessment）[2]和客觀質(zhì)量評價(jià)（objectiveimagequality8assessment）[2]兩大類。在一般情況下，圖像信息的最終接收者是人，因此利用主觀評價(jià)方法來對圖像質(zhì)量進(jìn)行評價(jià)是最準(zhǔn)確可靠的，但是主觀質(zhì)量評價(jià)方法考慮了觀察者對圖像的理解效果，這種方法由于受到觀察者的知識背景、觀測目的和觀測

3、環(huán)境等主觀因素的影響，不易準(zhǔn)確測量，帶有明顯主觀性，且難以用數(shù)學(xué)模型表達(dá)加以應(yīng)用，具有實(shí)現(xiàn)過程繁瑣、耗時(shí)、耗力和耗資等缺點(diǎn)，所以客觀質(zhì)量評價(jià)方法是目前圖像質(zhì)量評價(jià)的研究重點(diǎn)?？陀^質(zhì)量評價(jià)根據(jù)在進(jìn)行圖像質(zhì)量評價(jià)時(shí)是否有原始圖像作為參考又分為三類：全參考質(zhì)量評價(jià)[3]、部分參考質(zhì)量評價(jià)[4]和無參考質(zhì)量評價(jià)[5]。其中全參考和部分參考質(zhì)量評價(jià)方法在進(jìn)行圖像質(zhì)量評價(jià)時(shí)都需要參考圖像或部分特征，然而在許多的應(yīng)用場合中根本無法獲取原始圖像作為參考，因此對無參考圖像質(zhì)量評價(jià)方法的研究顯得尤為重要。8在無參考圖像質(zhì)量評價(jià)中，圖像的清晰度是度量圖像質(zhì)量好壞的重要指標(biāo)，它能夠較好地

4、反映出人對圖像的主觀感受。常見的圖像清晰度評價(jià)方法可以分為三大類[6]：1）基于梯度函數(shù)的評價(jià)方法。在圖像處理中梯度函數(shù)常用來提取圖像的邊緣信息，對于聚焦較好的圖像，圖像清晰度較高，邊緣結(jié)構(gòu)更加銳利，具有更大的梯度值，因此可以通過計(jì)算圖像的梯度值來表征圖像的清晰程度。該方法的優(yōu)點(diǎn)是計(jì)算簡單、應(yīng)用范圍廣，但是在抗噪聲性能上表現(xiàn)不理想。文獻(xiàn)[7]提出了一種基于焦點(diǎn)窗口模式的能量梯度評價(jià)函數(shù)方法，文獻(xiàn)[8]提出了一種聚焦窗口模式的平方梯度函數(shù)作為圖像清晰度評價(jià)函數(shù)。文獻(xiàn)[7-8]都涉及到待評估圖像區(qū)域的權(quán)重問題，取不同的權(quán)重將導(dǎo)致不同的圖像評價(jià)結(jié)果，因此具有一定的局限性

5、。2）基于圖像變換域的方法。該類方法的理論依據(jù)是清晰度高的圖像比較模糊圖像應(yīng)該包含更多的高頻成份，這就是說圖像的高頻分量越多，則圖像越清晰可辨，如圖1所示。該方法的缺點(diǎn)是需要進(jìn)行空域與頻域的變換，這使得計(jì)算量增大，運(yùn)算效率降低。3）熵函數(shù)法。該方法是根據(jù)香農(nóng)信息論中熵越大時(shí)信息量就越多的理論提出的，將該原理應(yīng)用于圖像清晰度評價(jià)方法中，可以認(rèn)為在圖像能量一定的情況下，圖像越清晰則圖像熵向大的方向變化。方法的優(yōu)點(diǎn)是思路簡單、物理意義明確，但是其計(jì)算靈敏度不高。文獻(xiàn)[9]在均方差判決函數(shù)的基礎(chǔ)上，提出了條件加權(quán)均方的方法。但是該文獻(xiàn)通過人機(jī)交互來選擇使用圖像熵還是條件加

6、權(quán)均方函數(shù)作為自動(dòng)聚焦判決函數(shù)，需要過多的人為干涉，缺乏自適應(yīng)性。本文針對熵函數(shù)方法的不足，提出一種基于模糊熵的無參考紅外圖像質(zhì)量評價(jià)方法，使用模糊理論中模糊熵來彌補(bǔ)熵函數(shù)方法計(jì)算靈敏度不高的不足，可以快速精確地評價(jià)模糊紅外圖像。8計(jì)算出鄰域內(nèi)每個(gè)像素的隸屬度后，通過式（4）可以計(jì)算出鄰域內(nèi)的模糊熵。當(dāng)這一窗口沿圖像從上到下、從左到右在圖像中逐點(diǎn)移動(dòng)，掃描過整個(gè)圖像后，進(jìn)行累加求和就可以得到這幅圖像的模糊熵。在運(yùn)用模糊熵計(jì)算圖像平坦區(qū)域時(shí)，模糊熵為零或較小，這是因?yàn)閳D像平坦區(qū)域灰度值變化幅度不大；而在計(jì)算圖像邊緣時(shí)，因?yàn)榛叶戎堤S比較大，模糊熵較大。一幅圖像越清晰

7、，則圖像的邊緣結(jié)構(gòu)和紋理特征越明顯，因此模糊熵越大說明圖像的邊緣結(jié)構(gòu)和紋理特征越明顯。3實(shí)驗(yàn)結(jié)果分析與比較3.1仿真實(shí)驗(yàn)為了驗(yàn)證本文提出的紅外圖像質(zhì)量評價(jià)算法的有效性，采用較為清晰的紅外圖像作為參考圖像。之所以采用較為清晰的紅外圖像作為參考圖像，是因?yàn)榧t外圖像無法獲得較為理想的原始紅外圖像作為參考圖像。設(shè)定參考圖像后，本文提出的客觀紅外圖像質(zhì)量評價(jià)算法將與均方差（MeanSquaredError，MSE）、峰值信噪比（PeakSignaltoNoiseRatio，PSNR）和結(jié)構(gòu)相似度（StructuralSIMilarity，SSIM）三種全參考客觀評價(jià)算法作比

8、較。實(shí)驗(yàn)測