[发明专利]一种基于饱和度的彩色多曝光融合图像的质量评价方法

权利要求书

1.一种基于饱和度的彩色多曝光融合图像的质量评价方法，其特征在于，该方法具体步骤包括：

步骤一、以多曝光图像融合数据库MEF中的多曝光图像及其融合图像作为训练样本，对多曝光图像和融合图像采用基于饱和度和小波系数的提取方式，获得纹理信息、结构信息和彩色信息；根据融合前后图像的纹理信息、结构信息以及彩色信息，分别计算纹理相似度、结构相似度以及彩色相似度；将纹理信息相似度、结构信息相似度和彩色信息相似度作为特征值，结合给定的评价分值，输入到极限学习机器ELM中进行训练；

所述纹理信息的提取方式为：设待提取信息的融合后图像或多曝光图像中的各图像为图像I_Q；对图像I_Q进行小波变换，获得图像I_Q分为低频部分、中频部分及高频部分的小波系数集合I_q＝[LL LH HL HH]；其中，LL为低频部分的小波系数，LH和HL为中频部分的小波系数，LH对应水平方向相位，HL对应竖直方向相位，HH为高频部分的小波系数；基于图像的纹理信息多数集中在中频及高频部分的原理，提取图像I_Q的中频及高频部分的小波系数集合I_q′＝[LH HL HH]；对于图像I_Q为融合后图像的情况，提取的小波系数集合I_q′即为纹理信息；对于图像I_Q为多曝光图像的情况，选取多曝光图像中各图像对应的小波系数集合I_q′并取各系数的最大值，组成Vmax＝[max|LH|,max|HL|,max|HH|]，作为多曝光图像的纹理信息；

所述彩色信息的提取方式为：计算图像I_Q的饱和度SA，其中，R，G，B是彩色图像中红、绿、蓝三种色彩信息，μ是三种色彩信息的平均值；对于图像I_Q为融合后图像的情况，将饱和度值SA作为彩色信息；对于图像I_Q为多曝光图像的情况，选取多曝光图像中各图像对应的饱和度值SA的最大值，作为多曝光图像的彩色信息；

步骤二、对多曝光融合图像进行质量评价时，采用融合算法对多曝光图像进行融合，生成待评价的融合后图像；

步骤三、对待评价的融合后图像以及该融合后图像对应的融合前多曝光图像，采用所述基于饱和度和小波系数的提取方式，分别提取纹理信息、结构信息和彩色信息；

步骤四、根据步骤三获得的融合前后图像的纹理信息、结构信息以及彩色信息，分别计算纹理相似度、结构相似度以及彩色相似度；

步骤五、将步骤四获得的三个相似度作为特征值输入到训练好的ELM机器学习机，获得待评价的融合后图像的评价结果。

2.如权利要求1所述一种基于饱和度的彩色多曝光融合图像的质量评价方法，其特征在于，计算融合前后图像的纹理相似度、结构相似度以及彩色相似度的具体方法为：

相似度定义如下：其中，I₁和I₂是融合前后图像的参数，C是常数；当I₁和I₂分别为融合前后图像的纹理信息，则将获得的融合前后图像的纹理信息代入到相似度S公式中，获得纹理相似度TS；当I₁和I₂分别为融合前后图像的饱和度，将获得的饱和度代入到相似度S公式中，获得饱和度相似度SAS；利用结构相似度公式获得结构相似度SS，其中，σ_xy是融合前图像结构和融合后图像结构的协方差，σ_x是融合前图像结构标准差，σ_y是融合后图像结构标准差。

3.如权利要求1所述一种基于饱和度的彩色多曝光融合图像的质量评价方法，其特征在于，极限学习机器ELM采用激活函数radial basis function对输入的图像特征进行训练，其中，隐藏层的节点数是设置为21。

4.如权利要求1所述一种基于饱和度的彩色多曝光融合图像的质量评价方法，融合后图像结构信息的提取方法为：提取融合后图像采用结构相似性SSIM算法。

5.如权利要求2所述一种基于饱和度的彩色多曝光融合图像的质量评价方法，相似度定义公式S中的常数C＝0.001。

6.如权利要求2所述一种基于饱和度的彩色多曝光融合图像的质量评价方法，结构相似度公式SS中的常数C₂＝0.001。