一种像素级图像融合质量评估方法技术

本发明专利技术公开一种新的图像融合质量无基准图像客观评估方法，可以克服现有评估方法的不足。特点是利用灰度相似性来进行融合效果评估的方法，也就是用基于Ｍｉｎｋｏｖｓｋｉ距离的颜色似然函数来度量融合效果，用每幅源图像的局部显著程度对颜色似然函数值加权，兼顾计算复杂度和局部信息含量。与现有评估方法相比，本发明专利技术与人的视觉物理模型更为接近，可以得到更符合人的主观评测标准的结果，而且并不将输入图像的数目局限于二，而是可以扩展为任何大的正整数。

【技术实现步骤摘要】

本专利技术涉及一种图像处理质量评估，具体是一种多源图像像素级融合后图像质量 的评估方法。属于图像处理技术。
技术介绍
现阶段对融合图像的质量好坏的评价标准主要集中于计算融合后的图像对输入 图像有用信息量的保存状况上。输入图像的有用信息可以包括亮度、对比度、结构、梯度、傅 立叶变换后的幅值和辐角、空间分辨率等等像素级特征值。对有用信息的选择可以生成各 种不同的评估度量方法。对这些有用信息的保存状况的度量，一般来说，除了交互信息可以 直接量化这种保存的情况外，其它评估方法多会选择通过计算融合后图像的信息值与先验 有用信息值之间的相似程度来达到这个目的。 相似度的计算，即距离度量是模式识别领域的核心问题之一。通过选择不同的度 量方法，也可以达到生成不同的评估度量方法的目的。经文献检索发现，2007年在Information Fusion发表的文章《Sub jective tests forimage fusion evaluation and objective metric validation)) TM^iiWA 工进行主观测试，因为对于像素级图像融合而言，最终评估标准就是人眼的识别标准，所有 评估方法都希望能尽可能的与人的视觉感受一致。但人主观评测耗时、昂贵、不能量化和 优选某些融合系数；2007年在Computer Vision and Image Understanding发表的文章 ((A feature-basedmetric for the quantitative evalution)) Φ, ^tM T^SfiMfiWi^W 基准图像比较法，也就是把融合后图像与理想的融合后图像(即基准图像)进行比较，从 而评价融合后图像质量的方法。但理想图像在实际操作中几乎是不可能得到的；2002年 发表于 IEEE ElectricLetters 上白勺((Information measure for performance of image fusion))禾口 2003 年发表于 IEEE International Conference on Image Processing 白勺((A new quality metric for imagefusion》分别提出了使用交互信息和机遇结构相似度量的 无基准图像客观评估方法。这种方法相对于主观评价和基准图像比较法而言，易于机器实 现，适用范围广泛，并且被证明了能够得到合理的效果。但是他们的物理模型过于简单，因 此对于某些特定的图像和融合方法，其评估结果与人的主观印象并不能很好的吻合。
技术实现思路
本专利技术的技术目的是提出一种新的图像融合质量无基准图像客观评估方法，可以 克服现有评估方法的不足。利用灰度相似性来进行融合效果评估的方法，也就是用基于 Minkovski距离的颜色似然函数来度量融合效果。与现有评估方法相比，本专利技术与人的视觉 物理模型更为接近，可以得到更符合人的主观评测标准的结果，而且并不将输入图像的数 目局限于二，而是可以扩展为任何大的正整数。这种新的像素级图像融合质量评估标准，通过以下技术方案实现，步骤如下步骤一选定滑动窗口的大小和步长；步骤二 对于窗口覆盖的所有源图像和结果图像区域，统计其灰度直方图的分布， 计算其概率分布；步骤三计算每一幅源图像与结果图像区域直方图概率分布的Minkovski距离， 在此基础上计算各自的颜色似然函数值；步骤四计算每幅源图像在该窗口区域的局部显著程度；步骤五用局部显著程度对颜色似然函数值加权，得到该窗口区域的加权颜色似 然函数值；步骤六通过每个窗口内的区域加权颜色相似程度函数值，计算出整幅图像的图 像融合质量评估值。本专利技术对图像融合质量进行无基准客观评估，主要具有以下特点和作用(1) 选择了图像的颜色信息作为融合过程中需要保持的有用信息；(2)相似度的度量使用了 Minkovski距离；(3)计算复杂度简单；(4)充分利用源图像的局部信息。附图说明图1为本专利技术的像素级图像融合质量评估算法的流程 2 为 TNO Human Factors Research Institute 所提供的“UNcamp”图像序列中的一祯，作为实验图像图3为对UNcamp图像序列中的一祯用各种像素级融合方法进行融合后的结果图 像图4为对UNcamp总共三十二组图像的融合结果用各种评估方法进行评估得到的 结果曲线图2 中201为可见光图像202为红外图像图3 中301为均值融合得到的结果图像302为离散小波变换融合得到的结果图像303为拉普帕斯金字塔融合得到的结果图像304为形态学差异金字塔融合得到的结果图像图 4 中401为互信息评估标准的评估结果402为Gemma Piella和Henk Heijmans在2003年提出的质量评估标准的评估结403为V. Xydeas和Petrovic在2000年提出的客观质量评估标准的评估结果404为本专利技术提出的评估标准的评估结果具体实施方法下面本专利技术将结合附图中的实施例作进一步描述步骤一选定滑动窗口的大小和步长。滑动窗口的大小决定了区域信息量，如果太小，则信息量太小，灰度直方图分布在有限的几个点上，计算他们之间的Minkovski距离以及颜色似然函数都是没有意义的；如 果太大，则计算复杂量大幅上涨，导致运算负担加重运算时间加长。因此，根据各种实验我 们得到同时兼顾区域信息量和计算量大小的经验值滑动窗口的大小为128*128像素，步 长为32像素。步骤二 对于窗口覆盖的所有源图像和结果图像区域，统计其灰度直方图的分布， 计算其概率分布。滑动窗口从图像的左上角开始滑动，在滑动出图像范围之前，对于每次窗口所覆 盖的区域，分别统计源图像和结果图像的灰度直方图分布，假设他们分别是h1; h2(此处假 设有两幅源图像)和、对应的概率分布为p1(i)=hi(i)/∑hi(i)p2(i)=h2(i)/∑h2r(i)pr(i)=hr(i)/∑hr(i)步骤三计算每一幅源图像与结果图像区域直方图概率分布的Minkovski距离， 在此基础上计算各自的颜色似然函数值。任意源图像与结果图像的区域直方图概率分布的q阶Minkovski距离计算公式如 下DM=1/q,q-1,2,...本专利技术中经实验证明，q取2可以得到比较好的结果，因此在后面的实验中，q的取 值为2。颜色似然函数值与Dm的指数函数成比例Lm=l*eXp{-Dqm/a}其中i在后面的实验中取经验值1，σ在后面的实验中取经验值0. 015。这样我们就得到了源图像1与结果图像之间的颜色似然函数值L(Zl，f)，源图像2 与结果图像之间的似然函数之L(z2，f)。步骤四计算每幅源图像在该窗口区域的局部显著程度；对于每一幅源图像而言，我们选择窗内方差为窗口区域的局部显著程度。方差越 大，说明该源图像在该区域内显著程度越高。步骤五用局部显著程度对颜色似然函数值加权，得到该窗口区域的加权颜色似 然函数值。假设两幅源图像在滑动窗口区域w内的局部显著程度分别为S(Z1Iw)和S(z2|w)， 则源图像1的颜色似然函数值权重为^(W) =__ 图像2的权重为I- λ (w)。这时，该窗口区域的加权颜色似然函数值为Q(w) = λ (w) L (ζ1; f)本文档来自技高网...

【技术保护点】
一种新的像素级图像融合质量评估方法，其特征在于，方法步骤如下：步骤一：选定滑动窗口的大小和步长；步骤二：对于窗口覆盖的所有源图像和结果图像区域，统计其灰度直方图的分布，计算其概率分布；步骤三：计算每一幅源图像与结果图像区域直方图概率分布的Ｍｉｎｋｏｖｓｋｉ距离，在此基础上计算各自的颜色似然函数值；步骤四：计算每幅源图像在该窗口区域的局部显著程度；步骤五：用局部显著程度对颜色似然函数值加权，得到该窗口区域的加权颜色似然函数值；步骤六：通过每个窗口内的区域加权颜色相似程度函数值，计算出整幅图像的图像融合质量评估值。

【技术特征摘要】

【专利技术属性】
技术研发人员：李珊珊，董娜，赵英海，
申请(专利权)人：李珊珊，董娜，赵英海，
类型：发明
国别省市：34[中国|安徽]