【技术实现步骤摘要】
基于随机森林的红外仿真图像质量评价方法
[0001]本专利技术属于图像处理
,更进一步涉及红外仿真图像处理
中的一种基于随机森林的红外仿真图像质量评价方法。本专利技术可用于对红外仿真图像的质量进行评价。
技术介绍
[0002]红外仿真图像质量评价在图像处理、仿真系统验证等领域都有着重要应用。目前,虽然对红外场景仿真图像的仿真效果的评价较多,但主要是在仿真过程中对各个模块进行评估校正,或者只是根据项目需求对特定目标或是背景进行验证分析,更多的时候对仿真效果还是需要专家进行鉴定和认证,不具备客观评判标准。同时对于仿真图像质量的评价,依然是采用传统的图像质量评价方法和手段,无法对仿真图像进行多特征量化的技术手段的客观评价。
[0003]云南北方光学科技有限公司在其申请的专利文献“一种基于人类视觉系统的无参考结构清晰度评价方法”(专利申请号:CN202110931781.6,申请公布号:CN113570596A)中公开了一种可用于红外仿真图像的基于人类视觉系统的无参考结构清晰度评价方法。该方法首先提取原始图像和参考图像的梯度信息,然后将梯度图像划分为N个分块,通过梯度图像中每个分块的在视觉神经中引起的冲动相对大小,并利用人类视觉系统滤波器,获得对应的权重;接着对梯度图像和图像对应分块进行计算结构相似性;最后通过权重和结构相似性得到原始图像的清晰度值。该方法虽然可用于对红外仿真图像进行质量评价,但是,该方法仍然存在的不足之处在于,只从图像梯度和结构相似性这两个方面来提取图像特征,忽略了图像中辐射亮度和图像内 ...
【技术保护点】
【技术特征摘要】
1.一种基于随机森林的红外仿真图像质量评价方法,其特征在于,将像素亮度、图像结构、图像纹理、图像形状四个特征组成训练集,利用训练好的随机森林模型对红外仿真图像质量进行评价;该方法的具体步骤包括如下:步骤1,采集红外图像,并将所采集的红外图像进行仿真,得到红外仿真图像;步骤2,利用峰值信噪比公式,计算红外图像与红外仿真图像的峰值信噪比值,将该峰值信噪比值作为红外仿真图像的像素亮度特征;步骤3,利用结构相似性公式,计算红外图像与红外仿真图像的结构相似度,将该结构相似度值作为红外仿真图像的结构特征;步骤4,提取红外仿真图像的形状特征:步骤4.1,利用Hu特征不变矩公式,计算红外图像形状的7个Hu特征不变矩值,将7个Hu特征不变矩值组成形状特征向量;步骤4.2,利用Hu特征不变矩公式,计算红外仿真图像形状的7个Hu特征不变矩值,将7个Hu特征不变矩值组成形状特征向量;步骤4.3,计算红外仿真图像与红外图像形状特征向量之间的欧式距离,将该欧式距离作为红外仿真图像的形状特征;步骤5,提取红外仿真图像的纹理特征:步骤5.1,利用Gabor变换公式,计算红外图像的纹理特征向量;步骤5.2,利用Gabor变换公式,计算红外仿真图像的纹理特征向量;步骤5.3,计算红外仿真图像与红外图像的纹理特征向量之间的欧式距离,将该欧式距离作为红外仿真图像的纹理特征;步骤6,生成训练集:步骤6.1,从含有红外仿真目标的红外仿真图像数据库随机选取200个图像组成一个样本集,每个样本中包含一幅红外仿真图像、一幅与该红外仿真图像对应的红外图像和质量评价值;步骤6.2,采用与步骤2至步骤5的相同处理方法,从样本集中提取每个样本中的一幅红外仿真图像及其对应红外图像的特征,得到每幅红外仿真图像的图像像素亮度、图像结构、图像纹理、图像形状四个特征;将样本集中的每幅红外仿真图像的四种特征组成该红外仿真图像的特征集;步骤6.3,将样本集的特征集和特征所对应图像的质量评价值组成训练集;步骤7,将训练集输入到随机森林模型中,利用随机森林算法,对训练集进行训练,得到训练好的随机森林回归器模型;步骤8,对红外仿真图像的质量进行评价:步骤8.1,采用与步骤2至步骤5的相同处理方法,得到待评价的红外仿真图像的图像像素亮度、图像结构、图像纹理、图像形状四个特征;步骤8.2,将四个特征值同时输入到随机森林模型中,利用随机森林算法,获得待评价的红外仿真图像的质量评价值。2.根据权利要求1所述的基于随机森林的红外仿真图像质量评价方法,其特征在于,步骤2中所述的峰值信噪比公式如下:
其中,P表示红外图像与红外仿真图像的峰值信噪比值,lg(
·
)表示以10为底的对数操作,L表示红外图像与红外仿真图像中,对应的每个采样点为8位时像素点的最大值,该最大值的取值为255,Σ表示求和操作,n表示红外图像或红外仿真图像中像素的总数,c表示红外图像或红外仿真图像中像素的序号,I
w
表示红外图像中第w个像素的像素值,S
v
表示红外仿真图像中第v个像素的像素值,w与v的取值对应相等。3.根据权利要求1所述的基于随机森林的红外仿真图像质量评价方法,其特征在于,步骤3中所述的结构相似性公式如下:其中,W(I,S)表示红外图像与红外仿真图像的结构相似度,μ
I
表示红外图像中所有像素点值的平均值,μ
S
表示红外仿真图像中所有像素点值的平均值,C1表示防止分母变小的常数,C1=(0.01
×
L)2,σ
IS
表示红外图像与红外仿真图像中所有对应像素点值的协方差,C2表示防止分母变小的常数,C2=(0.03
×
L)2,σ
I
表示红外图像中所有像素点值的标准差,σ
S
表示红外仿真图像中所有像素点值的标准差。4.根据权利要求1所述的基于随机森林的红外仿真图像质量评价方法,其特征在于,步骤4中所述的Hu特征不变矩公式如下:M1=η
20<...
【专利技术属性】
技术研发人员:王琳,杨梦迪,陈大秀,王震,曹学影,
申请(专利权)人:西安电子科技大学,
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。