[发明专利]一种基于α互信息的无参考多聚焦图像融合评价度量

说明书

本发明公开了一种基于α互信息的无参考多聚焦图像融合评价度量，包括条件Rényi熵的构造、α互信息的构建、基于α互信息的无参考图像融合评价度量等步骤。首先，研究Rényi熵的性质，构造条件Rényi熵；接着，根据Arimoto的条件Rényi熵定义，构建α互信息，研究其性质，并用其衡量两个随机变量的依赖度；然后，通过估计输入图像与融合后图像的α互信息，提出一种无参考的图像融合评价度量，对不同多聚焦图像融合算法的效果进行评价。本方法综合考虑了输入图像与融合后图像的统计信息，利用信息论测度衡量融合后图像获得信息量的多少，而且在进行融合效果评价时不需要参考图像，应用范围广，并具有较好的评价效果。

技术领域

本发明涉及多聚焦图像融合算法的质量评价，结合图像的统计特性提出一种基于α互信息的无参考图像融合评价度量，并利用该度量对常用的多聚焦图像融合算法进行评价，属于数字图像处理领域。

背景技术

图像融合是数字图像处理领域的一项重要技术，在多聚焦图像、多光谱遥感图像、多模态医学成像、气象预报、军事目标识别、图像引导手术治疗及放疗计划制定等方面发挥着重要的作用。图像融合是将两幅或者多幅源图像整合成一幅图像的过程，融合后的图像包含比任何单一源图像更丰富的信息。图像融合不仅降低了用于存储和转移的数据量，而且创造了包含更多信息的新图像，并适合视觉感知和进一步的图像处理。其广泛的应用吸引了计算机视觉方面大批科学家的关注，提出了不同的图像融合算法。多聚焦图像融合是图像融合的一个重要应用，它将多幅不同聚焦设置采集的相同场景的图像整合成一幅全聚焦图像。那么我们该如何去衡量融合后图像的质量及不同图像融合算法的性能好坏呢？

要评价融合图像的质量，首先要弄清什么是图像质量。有些学者把图像保真度作为衡量图像质量好坏的标准，然而，这种说法并不准确，因为图像的保真度是为了区分图像间的差别。相反地，图像质量往往会涉及观察者的主观感受，而且不太容易去描述，同时也会受到具体应用的影响，因此最能够接受的关于图像质量的概念是满足具体应用需求的程度。平均意见分(mean opinion score，MOS)是一种常用的主观图像质量度量，它提供了许多关于图像质量的指标，广泛应用了许多年，被认为是衡量图像质量好坏的一种很好的方法。然而，MOS评价度量要求具体应用领域内的几个专家对融合后的图像分别打分，然后求的平均分即为融合图像的质量。该方法在实际应用中并不方便，需要耗费大量的人力和时间，同时评价的结果也容易受观察者个人喜好等主观因素的影响，而且当图像质量差不多的时候，该度量很难给出一个客观公正的质量评价。

因此，就需要一个客观的图像质量评价度量来自动衡量融合后的图像。近些年，研究者们提出了许多客观的图像质量评价度量，比如均方误差(mean square error，MSE)、峰值信噪比(Peak Signal to Noise Ratio，PSNR)等，由于其低的计算成本而且易于计算，在图像质量评价中得到广泛应用。除了图像的像素信息外，结构信息也同样重要，wang提出一个结构相似性指标度量(structural similarity index measure，SSIM)来衡量被测图像与参考图像间的差异。该图像质量评价度量可以分解成图像的亮度，对比度和相关性三个部分的乘积。上述这些评价度量通过量化被测图像与参考图像间的误差，来衡量被测图像的质量。

最近Hassen等人在SSIM基础上提出了一种客观的图像质量评价度量，用于衡量多曝光多聚焦图像融合的结果。该评价指标由局部对比度评价、图像锐化评价和结构保存评价三个部分整合而成，不仅考虑了图像锐化评价，同时还综合了图像的对比度和结构信息，进一步提升了图像质量评价的性能。文献通过一些主观的实验创建一个图像融合数据库，基于此数据的实验结果展示该图像融合度量的效果能够很好地与主观打分情况保持一致。

然而，对于目前大部分的图像融合评价，通常缺少或者很难去定义一个准确的参考值，大多数情况都是用主观评价标准来衡量融合结果的好坏。

发明内容