基于无参考图像质量评价和MSR的图像优化方法技术

本发明专利技术公开了一种基于无参考图像质量评价和MSR的图像优化方法，充分利用机器学习进行无参考图像质量评估，然后采用优化的算法，对多尺度视网膜增强算法的大中小三个尺度的权值进行优化，得出一组最优的解，从根本上把多尺度视网膜增强算法进行了优化，得出了最优的图像还原效果；同时本方法还是通用的。

Image optimization method based on unreferenced image quality evaluation and MSR

【技术实现步骤摘要】
基于无参考图像质量评价和MSR的图像优化方法
本专利技术涉及图像优化领域，尤其涉及一种基于无参考图像质量评价和MSR的图像优化方法。
技术介绍
随着信息化时代的到来，信息技术和信息产业在经济和社会发展中的作用日益加强，而图像作为信息的一种重要载体，发挥着越来越大的作用。然而数字图像在获取、处理、压缩、存储、传输和重构的各个环节中，都会不可避免地出现图像质量下降的问题，为了得到更准确、可靠的图像，各种图像增强算法层出不穷，图像质量评价是评估这些算法优劣的重要手段。因此，建立一种良好的图像质量评价指标具有十分重要的意义。图像质量评价方法分为主观质量评价和客观质量评价两种。其中，客观质量评价是主流。客观质量评价是指使用一个或多个图像的度量指标，建立与图像质量相关的数学模型并用计算机对图像质量进行评价，其目标是客观评价结果与人的主观感受相一致。这类方法的优点在于是速度快、费用低、应用领域广，不受主观因素的影响，缺点是它往往忽略了人眼的主观感受，结果并不准确。根据图像评价过程中对原始图像的依赖程度，图像客观质量评价可以分为三类，全参考(FullR本文档来自技高网...

【技术保护点】
1.基于无参考图像质量评价和MSR的图像优化方法，其特征在于，包含以下步骤：/n步骤1)，将输入彩色图像分解为红、绿、蓝三个通道下的灰度图，获得三个通道下的灰度图像Si(x，y)，其中i代表第i通道，i为大于等于1小于等于3的整数，第1、第2、第3通道分别代表红、绿、蓝三个通道；x、y分别为图像中像素点的横向坐标、纵向坐标；/n步骤2)，对于每个通道下的灰度图像Si(x，y)，计算其平均标准偏差σ

【技术特征摘要】
1.基于无参考图像质量评价和MSR的图像优化方法，其特征在于，包含以下步骤：
步骤1)，将输入彩色图像分解为红、绿、蓝三个通道下的灰度图，获得三个通道下的灰度图像Si(x，y)，其中i代表第i通道，i为大于等于1小于等于3的整数，第1、第2、第3通道分别代表红、绿、蓝三个通道；x、y分别为图像中像素点的横向坐标、纵向坐标；
步骤2)，对于每个通道下的灰度图像Si(x，y)，计算其平均标准偏差σ1i作为其第一尺度参数，并按下面公式计算其第二尺度参数σ2i、第三尺度参数σ3i：
σ2i＝σ1i+0.5
σ3i＝σ1i+1
步骤3)，用Retinex的方案把灰度图像Si(x，y)在σ1i、σ2i、σ3i三个尺度下进行还原：









式中，分别为第i个通道的灰度图像在σ1i、σ2i、σ3i三个尺度下的还原结果；分别为第i个通道的灰度图像在σ1i、σ2i、σ3i三个尺度下的高斯滤波函数；
步骤4)，采用粒子群优化算法进行对灰度图像Si(x，y)的三个尺度的权重进行统一优化，即三个尺度权重共同适用于三个通道；
步骤4.1)，设置灰度图像Si(x，y)在σ1i、σ2i、σ3i三个尺度下还原的图像尺度权值W11、W21、W31，其中W31＝1-W11-W21，W11、W21、W31均大于等于0小于等于1，具体设置方法如下：
在0≤1-W11-W21≤1、0≤W11≤1、0≤W21≤1的前提下，随机设置W11和W21，然后根据W11、W21计算出W31；
步骤4.2)，设置当前迭代次数n＝1，设置最大迭代次数Itmax，设置最小适应度函数目标值Fittarget，设置粒子运动步长step，设置粒子数pa；
步骤4.3)，用下式还原每个粒子第n次迭代时在红、绿、蓝三个通道下的图像log(Rin(x，y)；



步骤4.4)，对图像log(Rin(x，y))采用反对数还原，即令
步骤4.5)，将每个粒子在红、绿、蓝三个通道下的图像Rin(x，y)合并成一张彩色图片，采用空间频谱熵的质量指标SSEQ图像质量评价算法对该彩色图片进行图像质量评价，获得三个i...

【专利技术属性】
技术研发人员：胡凯，陈炜峰，刘卿卿，郑翡，张彦雯，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏;32