[发明专利]基于多视幅度统计特性的SAR图像无参考质量评价方法

权利要求书

1.一种基于多视幅度统计特性的SAR图像无参考质量评价方法，包括：

(1)将SAR图像数据库中的图像随机分为两份，80％用于训练，20％用于测试；

(2)计算一幅待评价SAR图像的全局等效视数ENL、局部最大等效视数β以及它们的比值λ；

(3)计算一幅待评价SAR图像的模糊相关系数ρ，按如下步骤进行：

(3a)对待评价SAR图像I进行低通滤波，得到图像I的模糊图像X：

X＝I*W，

其中，*表示线性卷积运算，W为卷积核，

(3b)计算图像I和模糊图像X的二维相关系数ρ：

其中，1≤m≤M，1≤n≤N，I_mn、X_mn分别表示图像坐标(m,n)处的像素值，为输入图像I的均值，为模糊图像X的均值；

(4)选取待评价SAR图像中的匀质性区域，用来拟合平方根伽马分布，以计算待评价SAR图像的拟合误差θ、拟合视数L、拟合强度σ；按如下步骤进行：

(4a)计算步骤(2)中得到的K个子块中每个子块的方差，并将方差最小的子块设为g；

(4b)统计最小子块g的灰度值分布，得到归一化灰度分布直方图y，y中的第i个元素为：

其中，i代表灰度值，0≤i≤H-1，[0,H-1]为待评价SAR图像的最大灰度级范围，n_i代表最小子块g中灰度值i出现的次数，n代表最小子块g中像素的总个数，y(i)表示灰度值i出现的概率；

(4c)用归一化灰度分布直方图y拟合SAR图像多视幅度数据的平方根伽马分布模型为：

其中，P(i)表示灰度值i的概率，Γ(L)表示阶数为L的伽马函数，L为拟合视数，σ为拟合强度，将这两个参数用拟合系数向量x表示，x＝[L,σ]；

(4d)将拟合系数向量x的搜索起始点设置为：x₀＝[L₀,σ₀]：

其中，表示子块g的均值；

(4e)按照非线性回归的过程，搜索更新拟合系数向量x，使其满足下式：

其中，xdata表示输入灰度值，P(x,xdata)表示计算所得的灰度分布概率，y表示真实的灰度分布概率，P(x,xdata_i)表示计算所得的第i个灰度值的概率，y_i表示真实的第i个灰度值的概率；

(4f)根据灰度分布概率计算拟合误差θ：

其中，表示P(x,xdata)-y的2-范数的平方；

(5)对所有的样本分别进行步骤(2)～步骤(4)的操作，将每一幅SAR图像提取出的7个特征参数作为特征向量f_v：

f_v＝{ENL,β,λ,ρ,θ,L,σ}；

(6)根据不同类型的噪声对SAR图像的特征向量f_v会造成不同强弱这一特性，设定特征向量的阈值，对污染的SAR图像进行分类，即将SAR图像按照噪声污染类型分为三类，即第一类为：条带噪声污染图像，第二类为：高斯白噪声污染图像，第三类为：除了第一类和第二类外的其它污染图像；

(7)对不同噪声污染类型的SAR图像分别训练质量评价预测模型：

(7a)提取第一类污染图像的所有训练样本的特征向量f_v，将其输入到支持向量机SVM中，得到第一类污染图像的预测模型MS；

(7b)提取第二类污染图像的所有训练样本的特征向量f_v，将其输入到支持向量机SVM中，得到第二类污染图像的预测模型MG；

(7c)提取第三类污染图像的所有训练样本的特征向量f_v，将其输入到支持向量机SVM中，得到第三类污染图像的预测模型MR；

(8)计算测试样本的质量值：

(8a)将第一类污染图像的测试样本的特征向量f_v和第一类污染图像的预测模型MS输入到支持向量机SVM中，计算第一类污染图像的测试样本的质量值Q_s；

(8b)将第二类污染图像的测试样本的特征向量f_v和第二类污染图像的预测模型MG输入到支持向量机SVM中，计算第二类污染图像的测试样本的质量值Q_g；

(8c)将第三类污染图像的测试样本的特征向量f_v和第三类污染图像的预测模型MR输入到支持向量机SVM中，计算第三类污染图像的测试样本的质量值Q_r；

(9)根据测试样本的质量值，对测试样本的图像质量进行判断：

若Q_s＝1或Q_g＝1或Q_r＝1，则认为感觉不到或轻微感觉到图像有噪声；

若Q_s＝2或Q_g＝2或Q_r＝2，则认为能明显感觉到图像有噪声；

若Q_s＝3或Q_g＝3或Q_r＝3，则认为仅能看出图像中的少量信息；

若Q_s＝4或Q_g＝4或Q_r＝4，则认为无法辨认图像信息。