【技术实现步骤摘要】
System,HVS)启发,从水下图像色度、清晰度、对比度三个方面来评价水下图像的成像质量。
技术实现思路
[0004]本专利技术目的就是为了弥补已有技术的缺陷,提供一种水下图像的质量评价方法和系统。
[0005]本专利技术是通过以下技术方案实现的:
[0006]一种水下图像的质量评价方法,所述方法包括以下步骤:
[0007]S1,提取水下图像亮度和色度特征,估计输入图片的亮度和色度;
[0008]S2,提取水下图像的模糊度特征,估计输入图片的模糊程度;
[0009]S3,提取水下图像的对比度特征,估计输入图片的对比度;
[0010]S4,在训练集上利用支持向量回归方法学习一个由步骤S1-S3提取的图像特征到图像质量的映射模型,用于预测图像的质量。
[0011]所述步骤S1中,将水下图像分解为红绿蓝三个通道,提取红色通道的均值作为图像的色度特征,估计图像的色度;将水下图像转变为灰度图像,提取灰度图像的均值作为图像的亮度特征,估计图像的亮度。
[0012]所述步骤S2中,将水下图像对应的灰度图像进行小波分解,分解为三层小波子带,计算小波系数的总能量并作为水下图像的模糊度特征,估计水下图像的模糊度。
[0013]所述步骤S3中,首先计算水下图像的灰度直方图与均匀分布的KL距离,然后进一步计算灰度直方图与均匀分布的JS距离,利用JS距离作为对比度特征,估计水下图像的对比度。
[0014]所述步骤S4中,利用一组水下图像作为训练集,对每一幅图像提取亮度、色度、模糊度和对比 ...
【技术保护点】
【技术特征摘要】
1.一种水下图像的质量评价方法,其特征在于:包括如下步骤:S1,提取水下图像的亮度和色度特征,估计输入图片的亮度和色度;S2,提取水下图像的模糊度特征,估计输入图片的模糊程度;S3,提取水下图像的对比度特征,估计输入图片的对比度;S4,在训练集上利用支持向量回归模型学习出一个图像特征到图像质量的映射模型,来预测水下图像的质量,所述的图像特征包括步骤S1-S3得到的输入图片的亮度、色度、模糊程度和对比度。2.根据权利要求1所述的一种水下图像的质量评价方法,其特征在于:步骤S1所述的提取水下图像的亮度和色度特征,估计输入图片的亮度和色度,具体方法如下:将水下图像分解为红、绿、蓝三个通道,提取红色通道的均值作为水下图像的色度特征,估计水下图像的色度;将水下图像转变为灰度图像,提取灰度图像的均值作为水下图像的亮度特征,估计水下图像的亮度。3.根据权利要求2所述的一种水下图像的质量评价方法,其特征在于:所述步骤S1具体包括:将水下图像分解为红、绿、蓝三个通道,分别表示为R、G、B,然后提取红色通道的均值作为水下图像的色度特征:其中,r表示色度特征,N为图像的像素数;然后,将水下图像转为灰度图像:其中,表示水下图像对应的灰度图像,然后提取灰度图像的均值作为水下图像的亮度特征:其中,b表示亮度特征。4.根据权利要求1所述的一种水下图像的质量评价方法,其特征在于:步骤S2所述的提取水下图像的模糊度特征,估计输入图片的模糊程度,具体方法如下:将水下图像对应的灰度图像进行小波分解,分解为三层小波子带,计算小波系数的总能量并作为水下图像的模糊度特征,估计水下图像的模糊程度。5.根据权利要求4所述的一种水下图像的质量评价方法,其特征在于:所述步骤S2具体包括:首先将水下图像对应的灰度图像进行小波分解,得到三层子带小波系数,记为{LH
l
,HL
l
,HH
l
|l=1,2,3},然后计算每一层小波系数的能量,计算方法为:其中,XY表示子带LH、HL或HH其中一个,表示子带XY
l
包含小波系数的能量,表示子带XY
l
包含小波系数的个数,表示在位置(i,j)处的小波系数,每一层小波系数的能量为:
其中,E
l
表示l层小波系数的总能量,λ1、λ2和λ3为参数...
【专利技术属性】
技术研发人员:刘玉涛,李秀,魏郭依哲,陈思遥,
申请(专利权)人:清华大学深圳国际研究生院,
类型:发明
国别省市:
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。