[发明专利]一种用于雾天偏振图像的质量评价方法

说明书

本发明公开一种用于雾天偏振图像的质量评价方法，该方法提取自然场景统计(NSS)特征对自然场景下的雾天偏振原始图像和解析生成的偏振强度图像进行评价；同时针对解析场景图像，利用自然场景统计的先验信息，借助解析公式(Stokes)将自然场景特征映射到解析场景中，能够有效的评价典型偏振参量图像的质量；最后选取形成了与两类场景图像质量敏感的三种因子(亮度对比度因子、惯性矩结构度因子、基于Stokes参量的MSCN因子)，设计了相应的pooling策略，构建了对雾天偏振图像综合评价的统一框架。

技术领域

本发明涉及一种图像处理技术领域的方法，具体是一种用于雾天偏振图像的质量评价方法。

背景技术

无参考图像质量评价方法旨在无需参考图像的任何信息，对失真图像做出符合人类视觉感知的质量评价而获得相应的质量分数。无参考图像质量评价方法研究沿着这样的趋势发展；由最初的具体失真类型研究逐步深入到多失真的混合失真类型，现如今更为通用的非具体失真类型评价方法得到了深入研究。

(1)具体失真类型的IQA算法

具体失真类型的图像质量评价算法通常用来判定失真类型已知的图像质量，通过分析该种失真类型的特点进行算法建模。失真类型为图像常见的失真类型，例如JPEG压缩、JPEG2000压缩、Sharpness/Blur。

JPEG IQA：通常，JPEGNR-IQA通过测量图像块边界区域的边缘强度，将这个强度作为可能存在的图像失真的测量值与质量相联系。JPEG NR-IQA算法包括使用基于模糊边界的埃米特变换；对JPEG图像沿水平方向计算差分信号，通过分块边缘的平均差估计分块效应的方法；使用映射对分块的质量分数进行权重分配；使用基于临界值的方法对图像梯度进行计算；在采用傅里叶的方法对图像进行分块计算。以上方法都是在分块和模糊上计算可感知的质量，并没有引入训练和特征提取等方法。

JPEG2000 IQA：对于JPEG2000所产生的振铃效应，通常通过边缘探测测量边缘扩散，这种边缘扩散与图像质量相关。其它方法包括在空域上测量一些简单的特征；或是使用自然场景统计的方法。

Sharpness/Blur IQA：与JPEG2000 IQA相类似，Blur IQA算法通过模拟边缘扩散，将这些扩散与质量相联系。量化这些边缘强度通常使用以下一些技术：分块的DCT系数的尖峰效应；临界迭代梯度图；测量可能存在的模糊；在图像中模拟出明显的模糊。研究者们也在探究使用一些blur NR-IQA的模型。如X.Zhu通过计算图像梯度以及噪声分解达到图像增强。

(2)混合失真类型的IQA算法

研究者们也提出了一些针对多种混合失真的评价方法。其失真包括噪声、模糊、块效应和振铃效应。

2002年，X.Li提出了一系列启发式的方法来描绘视觉质量在边缘清晰度、随机噪声和结构噪声方面的特性。边缘清晰度使用边缘探测的方法，随机噪声通过局部平滑的方法和基于偏微分方程(Partial Differential Equation，PDE)模型的方法来测量。Li定义的结构噪声即为JPEG和JPEG2000中的块效应和振铃效应。然而，作者并没有分析各方法的性能，也没有提供质量评价算法的新的技术。

2007年，Gabrada和Cristobal提出了一个革新的方法，通过使用Renyi熵模仿图像中的各向异性。这个方法很有吸引力，因为自然图像是各向异性的，蕴含大量的统计信息。作者测量均值、标准差和在空域上已定义的4个方向上的Renyi熵的范围，论证它们之间的相关性，使之与感知质量相联系。然而依然缺乏彻底的评估。

(3)非具体失真类型的IQA算法

研究者们提出了更为广泛应用的NR-IQA算法。这些算法并不试图去确定图像失真的类型，而是将图像质量评价转化为对从图像中提取的具体特征进行分类和回归。这些特征源于机器学习或是自然场景统计。