一种基于红外图像复杂度的图像分级方法技术

本发明专利技术提供了一种基于红外图像复杂度的图像分级方法。该方法包括：选定需测量的样本图像序列，作为样本数据集；对于样本数据集中的每一幅图像，分别计算该图像的图像特征，并根据计算得到的图像特征，计算得到图像的图像复杂度；选择Z幅图像，对所选的Z幅图像的图像复杂度进行统计，得到复杂度统计结果；对于样本数据集中的每一幅图像，根据该图像的图像复杂度以及所述复杂度统计结果确定该图像的级别。应用本发明专利技术可以根据图像复杂度进行图像分级。

【技术实现步骤摘要】
一种基于红外图像复杂度的图像分级方法
本申请涉及图像处理
，尤其涉及一种基于红外图像复杂度的图像分级方法。
技术介绍
在现有技术中，红外图像复杂度量方法不仅可以用于描述红外导引头等红外成像系统的工作环境的复杂性，而且在红外图像预处理算法选择及性能评估、红外成像系统性能预测和评估、目标识别算法性能对比、建立和改进目标获取性能模型等方面也得到了广泛而重要的应用。然而，在现有技术中，目前关于图像复杂度的计算方法，尚无统一的计算标准，而是各自根据不同应用，定义其计算公式，因此无法统一而精确地进行图像分级。
技术实现思路
有鉴于此，本专利技术提供了一种基于红外图像复杂度的图像分级方法，从而可以根据图像复杂度进行图像分级。本专利技术的技术方案具体是这样实现的：一种基于红外图像复杂度的图像分级方法，该方法包括：选定需测量的样本图像序列，作为样本数据集；对于样本数据集中的每一幅图像，分别计算该图像的图像特征，并根据计算得到的图像特征，计算得到图像的图像复杂度；选择Z幅图像，对所选的Z幅图像的图像复杂度进行统计，得到复杂度统计结果；对于样本数据集中的每一幅图像，根据该图像的图像复杂度以及所述复杂度统本文档来自技高网...

【技术保护点】
一种基于红外图像复杂度的图像分级方法，其特征在于，该方法包括：选定需测量的样本图像序列，作为样本数据集；对于样本数据集中的每一幅图像，分别计算该图像的图像特征，并根据计算得到的图像特征，计算得到图像的图像复杂度；选择Z幅图像，对所选的Z幅图像的图像复杂度进行统计，得到复杂度统计结果；对于样本数据集中的每一幅图像，根据该图像的图像复杂度以及所述复杂度统计结果确定该图像的级别。

【技术特征摘要】
1.一种基于红外图像复杂度的图像分级方法，其特征在于，该方法包括：选定需测量的样本图像序列，作为样本数据集；对于样本数据集中的每一幅图像，分别计算该图像的图像特征，并根据计算得到的图像特征，计算得到图像的图像复杂度；选择Z幅图像，对所选的Z幅图像的图像复杂度进行统计，得到复杂度统计结果；对于样本数据集中的每一幅图像，根据该图像的图像复杂度以及所述复杂度统计结果确定该图像的级别。2.根据权利要求1所述的方法，其特征在于，所述图像特征包括：图像信息熵、图像边缘比率、图像反差、图像相关度和图像能量。3.根据权利要求2所述的方法，其特征在于，通过如下的公式计算一幅图像的图像复杂度：其中，C为图像的图像复杂度，k为样本数据集内不同图像特征的个数，n为图像特征，a为占有的个体数量，W表示个体总量。4.根据权利要求3所述的方法，其特征在于，通过如下的公式计算一幅图像的图像信息熵：其中，S为图像信息熵，N为图像的灰度级，P(i,j)为灰度共生矩阵，i和j分别表示图像中的一个像素的行坐标和列坐标。5.根据权利要求3所述的方法，其特征在于，通过如下的公式计算一幅图像的图像边缘比率：R＝pedge/(M×N)，其中，R为图像边缘比率，Pedge为图像中边缘像素的个数，M、N分别为图像像素的行数和列数。6.根据权利要求3所述的方法，其特征在于，通过如下的公式计算一幅图像的图像反差G：

【专利技术属性】
技术研发人员：李霞，刘浩，刘兴润，
申请(专利权)人：北京环境特性研究所，
类型：发明
国别省市：北京,11