质量评价详解.docVIP

图像质量评价技术路线 1 研究现有图像质量评价方法，利用Livedatabase对其进行分类实验，得出其适用图像降质类型和评价的精确程度。 2 提出几种新的针对压缩重建图像和超分辨重建图像的质量评价算法。利用Livebase进行验证。 3 由于遥感影像相对于自然影像，有其特殊性，必须建立遥感影像主观评价库，将新算法应用于此图像库，验证其在评价遥感压缩影像上的有效性。 主观评价方法 主观评价主要是由人在感性认识上从主观感觉和统计结果的角度对图像质量做出相应的判定，主要的方法是目视判读。人类视觉系统被认为是最精密的光学成像系统，通过人眼接收物体的反射光在大脑中成像，然后由大脑根据储存的经验知识进行分析得到结论，这个过程所需时间很短。因此主观评价方法具有直观、简单的优点。 图像质量评价离不开视觉评价，主观评价方法可以从配准、影像的整体亮度、色彩、反差、清晰度、影像内纹理、地物边缘、是否有蒙雾或马赛克等现象出现等方面做出判定，直观地得到图像在空间分解力、清晰度等方面的差异。但是这种方法的主观性比较强，人的视觉对影像上的各种变化并不都很敏感，图像的视觉质量强烈地取决于观察者，具有主观性、不全面性。 客观评价方法 目视判读的优点是操作简单、效率高，可以有效剔除一些质量差的影像，避免无谓的工作，但是这种判定会因为观察人员的素质、经验、水平的不同以及外部环境的影响而产生较大的差异，因此需要有易于掌控和科学支持的定量评价方法。客观评价方法主要就是采用定量的评价指标对影像做定量分析，由此获取对图像质量好坏的判定。 按照对参考图像的需求，可将客观评价方法分为三类，分别为：无参考、部分参考和完全参考图像质量评价。分类介绍如下： 1 无参考图像质量评价方法 单幅图像的信噪比SNR 给定一幅图像，若需要估计它的信噪比，则可以在图像上找一个平坦区域，在平坦区域计算局部方差并平均作为噪声方差，在许多情况下图像中没有适合的平坦区域，则可以用如下算法来估计信噪比：计算图像的局部方差，图像边界附近的方差不考虑在内。用图像局部方差的最大值和最小值之比作为图像信噪比的估计。此方法只适用于SNR在20到60之内的图像。 信息熵E（entropy） 熵（Entropy）是用来表示任何一种能量在空间中的均匀分布程度。能量分布得越均匀，熵就越大。如果对于一个系统，当其能量完全均匀分布时，那么这个系统的熵就达到最大值。在信息论中Shannon引入信息熵，即事件发生的不确定程度。如果一个事件（例如收到一个信号）有n种可能的结果（A1，A2，……An），且每个结果Ai出现的机率分布为Pi（i=1，2，……n），那么最终结局在出现之前的不确定程度H为： 其中C是常数，它与对数进制有关（如果现在二进制，则C = 1；如果现在e进制，则C = 1/ln2）。 根据这个理论，可以得到影像的信息熵E为： 其中P(i)是某个像素值i在影像中出现的概率，n是灰度值范围（一般为0～225）。 影像的信息熵E值越大，则影像中偏离影像直方图高峰灰度区的大小越大，所有灰度值出现的机率趋于相等，影像携带的信息量越大，信息越丰富。 Matlab函数：function s=entropy(image)。 平均梯度（gradient） 平均梯度可敏感地反映出影像对微小细节反差的表达的能力，在影像中，某一个方向的灰度级变化率大，则它的梯度也就大。定义平均梯度的表达式为： 其中，m、n分别为影像的宽和高，fi，j为影像像素（i，j）的灰度值。 用平均梯度值来衡量影像的清晰度，能够反映出影像中微小细节反差和纹理变换特征，一般说来，该值越大，影像层次越多，影像就越显得清晰。可以予以评价融合结果影像的细节表达能力。 Matlab函数：function varargout = gradient_average(f,varargin)。 标准差σ（Standard_deviation） 根据统计学中的知识，可以得到有关影像灰度的均值与标准差的定义，如下： 灰度平均值 标准差 其中，n表示影像中像素的总数，xi为第i个像素的灰度值。灰度平均值μ即是影像亮度的平均值，一个适中的亮度均值可以反映出影像的效果比较理想；标准差σ是影像灰度值相对于均值的分散度的测定，值越大则影像的灰度范围越是趋于分散，图像的反差大，得到的影像的信息量也越大；反之，则反差小，对比度不大，色调单一均匀，信息量小。融合影像的分辨率与替代影像的标准差相关，一般来说，替代影像的标准差越大，影像的分辨率越高。 Matlab函数：function sd = standard_deviation(img)。 空间频率SF（spacial_frequency） 空间频率反映了一幅影像空间的总体活跃程度，它包括空间行频率RF以及空间列频率CF，其表达式为： 综合两者得到