一种基于归一化振铃加权的无参考模糊复原图像综合质量评估方法，本发明专利技术涉及无参考模糊复原图像综合质量评估方法。本发明专利技术是要解决复原图像质量评估方法无法全面、合理及有效地对模糊复原图像质量进行评估的问题。该方法是通过一、得到复原图像I；二、得到参考图像Ir；三、计算I和Ir的亮度相似度指标l(I,Ir)、c(I,Ir)和s(I,Ir)；四、计算图像I和Ir的梯度相似度指标；五、得到MGSSIM(I,Ir)；六、得到改进的无参考结构相似度指标INRSSM；七、归一化振铃度量指标NRM；八、生成复原图像质量振铃退化因子β；九、得到最终的复原图像质量评估指标RIAM等步骤实现的。本发明专利技术应用于无参考模糊复原图像综合质量评估领域。
【技术实现步骤摘要】
本专利技术涉及无参考模糊复原图像综合质量评估方法，特别涉及一种基于归一化振 铃加权的无参考模糊复原图像综合质量评估方法。
技术介绍
在相机和摄像机等光学系统成像时，镜头和成像场景之间的相对运动或者镜头散 焦均会导致采集到的图像或视频模糊，造成图像的对比度降低、边缘和内部细节信息减弱， 影响图像质量，使得直接视觉观测以及数字图像信息处理系统难以准确地检测出图像中的 感兴趣区域，严重影响对所获取的图像和视频信息的分析和理解。一般通过数字模糊图像 复原系统可以在一定程度上改善图像质量，恢复出一部分边缘和图像内部细节信息。但在 很多情况下，受制于图像先验信息的缺乏以及复原算法的缺陷，使得图像退化点扩散函数 估计出现错误，这种退化模型估计错误一方面会导致复原的图像质量相对于清晰图像有较 大偏差；另一方面常常会导致复原过程可能产生如振铃效应等人工痕迹，尤其当估计的点 扩散函数的尺寸大于真实点扩散函数尺寸时，这种振铃效应更为明显。振铃效应产生的直 接原因是图像退化过程中丢失了高频信息，导致图像灰度剧烈变化的邻域内出现了类 Gibbs振荡问题，使得复原图像质量进一步变差，严重时会导致经过数字复原处理后的图像 质量甚至不如未经过处理的模糊退化图像，从而人眼直观观察或是自动图像信息处理无法 提取图像中的有效信息，无法对图像中的内容进一步分析和识别。因此，对于一个具有真正 实用性的数字图像复原系统，在对成像模糊图像进行数字复原后，必须要对复原图像质量 进行准确的评估，从而保证真正质量得到改善的图像输出给用户或是进入自动图像处理和 分析系统的下一环节。复原图像质量评估系统能否有效工作对于数字成像模糊复原方法能 否真正应用实际系统具有重要作用，在民用智能视频监控系统、智能交通管理系统等以及 军事应用中如成像侦察系统、空间光学遥感和导弹成像制导领域中都具有重要的应用价 值。 在图像模糊复原过后，由于没有清晰图像作为参考图像，为了评价复原算法效果， 只能进行无参考图像质量评价。目前无参考图像质量评价主要有两类方法:一是简单的计 算图像的梯度信息，如梯度幅值、边缘宽度、边缘锐度等，这类指标由于没有综合考虑图像 亮度、对比度等因素，评价结果比较片面，特别是对复原图像的振铃效应很难识别；二是采 用学习机制，通过大量的样本进行训练，得出评价结果，由于样本不可能包括所有情况，这 种方法的性能取决于样本大大小，并且计算复杂度较高。 中国专利CN101996406A提出了一种基于结构清晰度的指标来进行无参考质量评 价，这种指标是在结构相似度指标上进行改进。结构相似度是一种全参考图像质量评价指 标，通过计算两幅图像在亮度、对比度和结构三个方面的信息对两幅图像的相似度进行衡 量，如果其中一幅图像为清晰图像，则可得出另一幅图像的评价质量，但这种指标没有考虑 图像的梯度信息，无法用于模糊图像的评价，同时，由于振铃本身具有较大的梯度，这种方 法也不能很好地进行鉴别。该专利通过计算梯度图像的结构相似度来刻画边缘的影响，但 由于三项指标均用梯度图像，反映的是梯度图像的相似性，并不能评价原图像的相似性，也 就得不到一个客观的评价结果。 针对中国专利CN101996406A存在的问题，本项目专利技术人2014年申请的中国专利 CN103345733A在复原图像质量评价中，对现有的基于结构相似度的图像质量评价方法进行 了改进，加入了刻画图像边缘和细节信息的梯度相似度指标，提出了一种改进的无参考图 像评估方法INRSS，能够更好地评估出复原图像中的存在振铃效应及边缘不清晰等问题，更 客观地反应了图像的真实质量。但是由于该专利仅通过对图像梯度相似度的评估来间接评 估振铃效应，而没有直接对振铃效应进行评估，而振铃效应具有周期性重复并且与图像主 要边缘平行的类Gibbs振荡的特点，这样就会常常出现对振铃效应评估错误的问题，从而影 响复原图像质量评估的准确性。 同时中国专利CN101996406A和CN103345733A都没有准确给出综合振铃效应和图 像亮度、对比度、结构和梯度信息的复原图像质量评估方法，从而导致上述方法无法全面、 合理及有效地对模糊复原图像质量进行评估。
技术实现思路
本专利技术的目的是为了解决目前复原图像质量评估方法无法全面、合理及有效地对 模糊复原图像质量进行评估的问题，而提出的一种基于归一化振铃加权的无参考模糊复原 图像综合质量评估方法。 上述的专利技术目的是通过以下技术方案实现的： 步骤一、采用典型的图像复原算法对灰度模糊图像F(i，j)复原操作，得到复原图 像I;其中，F(i，j)为灰度模糊图像中的第i行，第j列像素值；步骤二、对复原图像I进行二次模糊得到参考图像Ir;其中，二次模糊使用大小为m Xm，方差为〇的高斯模糊核Gblur对复原图像I进行二次模糊处理;m为用于复原图像二次模 糊的高斯模糊核的大小，下标blur为模糊的含义； 步骤三、根据复原图像I的亮度信息、对比度信息和梯度信息及参考图像Ir的亮度 信息、对比度信息和梯度信息，计算I和I r的亮度相似度指标1(1，U、对比度相似度指标c (I，Ir)和结构相似度指标S(I，Ir); 步骤四、计算步骤一中复原图像I的梯度图像gI，计算步骤二中参考图像Ir的梯度 图像glr，根据梯度图像gl和glr计算图像I和Ir的梯度相似度指标g(I，Ir); 其中，〇4=仏3\1^2,0<1^3<<1，1^为像素灰度级，对于8位灰度图像取为255; 81 (i，j)为梯度图像gi中第i行，第j列的梯度图像;gir(i，j)为梯度图像gi冲第i行，第j列的梯 度图像； 步骤五、根据步骤一得到的复原图像I、步骤三得到的二次模糊图像Ir的亮度相似 度指标1 (I，Ir)、对比度相似度指标c(l，Ir)、结构相似度指标S(I，Ir)以及步骤四得到梯度 相似度指标g(I，Ir)，计算梯度结构相似度指标GSSIM(I，Ir)，将GSSIM(I，Ir)平均分块得改 进的梯度平均结构相似度指标MGSSIM(I，Ir); 步骤六、根据MGSSIM(I，Ir)得到改进的无参考结构相似度指标INRSSM，其中， INRSSM=l-MGSSIM(I,Ir)； 步骤七、采用计算共生矩阵的方法检测复原图像I中存在的导致振铃效应的平行 边缘像素数，并将平行边缘像素数进行归一化处理，得到归一化振铃度量指标NRM; 步骤八、根据步骤七得到的复原图像振铃效应计算结果NRM指标，生成复原图像质 量振铃退化因子β，β的计算表达式如下： 步骤九：用步骤八计算的图像质量退化因子β对步骤六获得的改进的无参考结构 相似度指标INRSSM进行加权，得到最终的复原图像质量评估指标RIAM，其计算公式为RIAM = INRSSX0。 专利技术效果 本专利技术提供一种模糊复原图像质量评价方法，属于图像和视频处理领域。具体来 说，本专利技术可以用来提高由于光学散焦、运动成像模糊、大气湍流效应和其他光学退化效应 导致的成像模糊以及采用盲复原等模糊图像复原方法得到的复原图像质量评估的准确性， 减少了由于模糊图像复原引入的振铃等人工痕迹导致图像质量评估错误，并可使图像质量 评估结果更符合人眼的主观判断。可应用于民用照相摄像、智能视频监控、智能本文档来自技高网...
【技术保护点】
一种基于归一化振铃加权的无参考模糊复原图像综合质量评估方法，其特征在于，该方法具体是按照以下步骤进行的：步骤一、采用典型的图像复原算法对灰度模糊图像F(i,j)复原操作，得到复原图像I；其中，F(i,j)为灰度模糊图像中的第i行，第j列像素值；步骤二、对复原图像I进行二次模糊得到参考图像Ir；其中，二次模糊使用大小为m×m，方差为σ的高斯模糊核Gblur对复原图像I进行二次模糊处理；m为用于复原图像二次模糊的高斯模糊核的大小，下标blur为模糊的含义；步骤三、根据复原图像I的亮度信息、对比度信息和梯度信息及参考图像Ir的亮度信息、对比度信息和梯度信息，计算I和Ir的亮度相似度指标l(I,Ir)、对比度相似度指标c(I,Ir)和结构相似度指标s(I,Ir)；步骤四、计算步骤一中复原图像I的梯度图像gI，计算步骤二中参考图像Ir的梯度图像gIr，根据梯度图像gI和gIr计算图像I和Ir的梯度相似度指标g(I,Ir)；g(I,Ir)=2Σi=1MΣj=1NgI(i,j)gIr(i,j)+C4Σi=1MΣj=1N[(gI(i,j))2+(gIr(i,j))2]+C4]]>其中，C4＝(k3×L)2，0＜k3＜＜1，L为像素灰度级，对于8位灰度图像取为255；gI(i,j)为梯度图像gI中第i行，第j列的梯度图像；gIr(i,j)为梯度图像gIr中第i行，第j列的梯度图像；步骤五、根据步骤一得到的复原图像I、步骤三得到的二次模糊图像Ir的亮度相似度指标l(I,Ir)、对比度相似度指标c(I,Ir)、结构相似度指标s(I,Ir)以及步骤四得到梯度相似度指标g(I,Ir)，计算梯度结构相似度指标GSSIM(I,Ir)，将GSSIM(I,Ir)平均分块得改进的梯度平均结构相似度指标MGSSIM(I,Ir)；步骤六、根据MGSSIM(I,Ir)得到改进的无参考结构相似度指标INRSSM，其中，INRSSM＝1‑MGSSIM(I,Ir)；步骤七、采用计算共生矩阵的方法检测复原图像I中存在的导致振铃效应的平行边缘像素数，并将平行边缘像素数进行归一化处理，得到归一化振铃度量指标NRM；步骤八、根据步骤七得到的复原图像振铃效应计算结果NRM指标，生成复原图像质量振铃退化因子β，β的计算表达式如下：β=1,0<NRM<0.010.9,0.01<NRM<0.050.8,0.05<NRM<0.10.6,0.1<NRM<0.20.4,0.2<NRM<0.30.2,0.3<NRM<0.40,0.4<NRM<1]]>步骤九：用步骤八计算的图像质量退化因子β对步骤六获得的改进的无参考结构相似度指标INRSSM进行加权，得到最终的复原图像质量评估指标RIAM，其计算公式为RIAM＝INRSS×β。...
【技术特征摘要】
【专利技术属性】
技术研发人员：遆晓光，尹磊，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江;23
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。