[发明专利]一种基于自动调焦原理无参考噪声图像质量评价方法

说明书

技术领域

本发明涉及图像处理领域，具体地讲，是一种不需要参考图像进行噪声图像质量评价的方法。

背景技术

噪声是图像中最常见的一种失真类型，如何从大量的噪声图像中自动挑选出质量合格的图像，舍弃哪些不合格的噪声图像，就需要对图像质量进行评价。按照评价过程需要多少原始参考图像信息，客观图像质量评价方法又可以分为三大类：全参考(Full-Reference，FR)图像质量评价法，部分参考(Reduced-Reference，RR)图像质量评价法和无参考(No-Reference，NR)图像质量评价法。峰值信噪比(Peak Signal-to-Noise Ratio，PSNR)是最常用的全参考图像质量评价方法，但像PSNR这样的全参考图像质量评价方法需要参考图像的全部或部分信息，而在很多应用场合没有或无法获得参考图像的全部或部分信息，因此无参考图像质量评价方法更加实用。

在当前基于图像处理的数字成像自动调焦系统中，大多是通过计算图像高频分量的多少来进行调焦判断。比较典型的有对焦深度法，它通过改变镜头的位置获得一系列模糊程度不等的图像，通过计算每幅图像的清晰度(高频分量)评价值构成对焦评价曲线，最终移动镜头到曲线的最大值对应的位置(即最佳对焦位置)。本发明基于这一原理，提出了一种无参考噪声图像质量评价方法。

发明内容

本发明的目的在于提供一种快速噪声图像质量评价方法，能够在不需要参考图像的情况下，评价噪声图像质量的好坏。

为了实现上述目的，本发明的技术方案如下：一种基于自动调焦原理无参考噪声图像质量评价方法，其关键在于按如下步骤进行：

(一)选择一幅噪声图像为被评价图像；

(二)将该噪声图像转化为灰度图像；

(三)对被评价噪声图像进行高斯低通滤波，生成的图像作为参考图像，高斯滤波器的窗口大小11×11，且σ＝5；

(四)分别对噪声图像和经过高斯滤波生成的参考图像进行奇异值分解，得到奇异值向量S₁和S₂；

任何一个灰度图像都可以看作实数矩阵A∈R^m×n，则存在正交(或酉)矩阵U∈R^m×m和V∈R^n×n使得A＝USV^T  (1)

式中S=S1000,]]>S₁＝diag(σ₁，σ₂，…，σ_r)，而数σ₁，σ₂，…，σ_r即是矩阵A的所有非零奇异值，r＝rank(A)，U的列向量为矩阵A的左奇异值向量，V的列向量为A的右奇异值向量，称(1)式是矩阵A的奇异值分解。

(五)根据奇异值的该变量构造噪声图像的质量评价函数Noise；

根据数字成像自动调焦原理，建立奇异值的改变量和噪声程度之间的对应关系，得到噪声指标的计算公式为：