光电成像干扰图像质量评估.doc

2014-2015第（2）学期理学院实践教学 成 绩 评 定 表 实践教学项目 光电成像干扰图像质量评估 专 业 学生姓名 班级学号 评 语 组长签字: 成绩 日期 2014-2015第（2）学期理学院实践教学 任 务 书 学 院 专 业 学生姓名 班级学号 实践教学项目 课程设计 实践题目 光电成像干扰图像质量评估 实践教学要求与任务: 能对选题做理论分析，讨论理论可行性。 2．能设计一套切实可行的实验方案，能够验证预期达到的效果。 4．能利用计算机获取数字图像数据。 5、能编程实现对数字图像数据进行处理、并能够对数据处理结果进行分析。 6、如果数据处理结果不够理想，能够找到问题所在，并提出改进意见。 7、能按要求格式撰写课程设计报告。报告要求格式、正确思路清晰、结构完整、实验数据真实、分析结论正确。对课程设计总体方案要进行详细地说明 8、独立按时完成规定的工作任务，不得弄虚作假，不准抄袭他人内容。 9、在设计过程中，要严格要求自己，树立严肃、严密、严谨的科学态度，必须按时、按质、按量完成课程设计。 工作计划与进度安排: 16周周一—16周周五：选题、收集资料 17周周一—17周周五：撰写开题报告 18周周一—18周周五：设计、实验、数据分析 19周周一—19周周四：撰写报告 19周周五提交报告 专业负责人： 年 月 日 学院院长： 年 月 日 摘 要 干扰图像质量评估是光电成像干扰的一个难点问题，评估结果应与人类主观视觉感受相匹配。该文分析了 光电干扰图像的特点和普通图像质量评估方法的局限性。然后，依据人眼主观视觉特性，利用四叉树数据结构划分方法，将干扰图像划分为边缘部分和非边缘部分。对于边缘部分，构造边缘比较函数评估干扰前后图像边缘变化的 情况；对于非边缘部分，引入基于结构相似度的图像质量评估方法进行评估，并根据干扰图像结构特点，改进了评 估分块划分方法。在此基础上构造出一种适用于光电干扰图像的质量评估方法。最后，对受到强光干扰和烟雾干扰 的图像分别进行了仿真评估，实验表明该评估算法的结果与人类主观感受匹配良好。 关键词：图像质量评价；光电干扰；图像结构相似度测量(SSIM)；四叉树 目录 1 引言 1 2 基于结构相似度的图像质量评估算法及其局限性 1 3 基于四叉树数据结构划分的图像质量评估 2 4 实验 4 5 结论 6 参考文献 7 引言 可对光电成像侦测设备产生干扰效果的干扰种类很多，但作为装备普遍应用的主要是激光致盲干扰和烟雾遮蔽干扰[1]。 图像干扰效果评估是对光电成像侦测设备光电干扰效果评估的核心问题。光电成像侦测设备所获取的图像大多数最终都要反馈给人眼，人们通过观察从图像中提取自己感兴趣的信息。因此，在对此类图像进行评估时要充分考虑人类的主观感受。 图像质量评价可分为客观、主观和主客观结合三大类。客观图像评价方法如均方误差法(MSE)和峰值信噪比(PSNR)等因与主观感受一致性差对光电干扰图像评价将不再适用。对图像质量进行评价最直接也最自然的解决方法就是利用人们自身的判断，因此主观评价方法对图像的评估效果最好。目前，对于光电干扰图像质量评价，一种比较流行的主观评估方法是效仿Johnson准则，以一定概率下发现、识别和认清目标为准对图像信息的可鉴别能力进行分级打分，根据受干扰前后图像信息可鉴别能力的变化定性评估干扰效果。该评估方法与人类的主观感受一致性最好，但此评估方法是建立在统计基础上的，需要不同人员做大量评估的实验，实际操作性比较差。另外，由于分级的层次不会太多，干扰图像的评估精度也受到一定的制约。利用数学模型来描述主观感受的主客观结合图像质量评价因具有快速、稳定和易于被量化的优点备受人们青睐，但将其引入光电干扰评估领域的应用还不多。本文主要的工作就是建立了一种主客观结合的光电干扰图像质量评估方法。 2 基于结构相似度的图像质量评估算法及其局限性 主客观结合的评估方法中Wang等人提出了基于结构相似度测量(Structural Similarity Image Measurement, SSIM)的图像质量评估方法，它因采用自上而下的模式，通过统计计算直接模拟人类视觉系统(HVS)的图像结构，避免了复杂的计算，是一种和人类主观评价高度相关的评估方法。SSIM算法认为图像中的结构特征具有突出的重要性，一种理想的图像评价算法应该度量图像中结构信息的退化程度，而与场景的明暗程度或对比度无关。图像的结构信息由亮度、对比度和结构3个要素构成。设原始图像为X，待评价图像为Y，则SSIM评价函数可表示为其中亮度比较函数对比度比较函数，结构相似度比较函数。为图像X,Y的均值，为图像X,Y的方差，为图像X,Y的协