[发明专利]一种基于TVL结构纹理分解的图像融合质量评价方法

说明书

本发明公开了一种基于TVL结构纹理分解的图像融合质量评价方法，属于图像融合领域。其主要测试两幅源图像经过某种融合方法融合之后融合质量的好坏，以此来说明融合方法的优劣。其实现的主要步骤为：(1)选择恰当的系数利用TVL将图像一级分别分解为一级结构图像、一级纹理图像；(2)利用相同的系数将一级纹理图像继续分解为二级结构图像以及二级纹理图像，再根据相应的系数给每幅分解图像分配相应的系数；(3)利用边缘梯度指标Qsubgt;G/subgt;来计算一级结构图像、二级结构图像、二级纹理图像的融合得分；(4)最后结合(2)中的权重以及(3)中的融合得分来得出每种融合方法的总得分，根据总得分来评价融合方法的好坏。

技术领域

本发明属于图像融合领域，涉及一种图像融合质量评价方法，是图像融合系统中不可或缺的核心内容之一，在医学领域、军事领域以及在平时生活中有着广泛的应用。

背景技术

图像融合质量评价方法分为两类：一类是主观法：它是将融合图像交给人眼的进行主观感觉度量的方法。最经典的方法是曼彻斯特大学的教授2007年提出的主观测量方法，通过多个测试者对不同融合方法得到的融合图像中的特定目标进行识别，依据识别时间和识别的正确率，判断图像融合方法的优劣。由于在大部分情况下人是融合图像的直接使用者，所以该方法具有一定的可靠性以及直接性。但是该方法也存在一定的局限性：(1)由于人脑的感知图像的机制非常复杂，从而导致人的主观感觉有可能是不一样的。(2)评价成本高：该方法非常耗时耗力，并且效率也比较低。(3)受环境的影响比较大，比如观察距离，光照等都会影响人的判断。另一类是客观法：即通过计算相关指标来定量的模拟人类的视觉系统(Human-visual-system,HVS)。该方法通过定量的测量使得融合效果具有较高的客观性，是如今流行的图像融合质量评价方法。从原理上可以把客观法分为三类：

(1)基于统计特性的评价指标：该指标是通过计算单幅融合图像，例如计算融合图像的标准差、平均梯度等来评价融合的好坏。

(2)基于信息量的客观指标：该指标是通过计算源图像转移到融合图像的信息量的多少来评价融合的质量，例如互信息。

(3)基于人类感知的评价指标：该指标是基于人类的视觉系统对图像的感知原理来判断融合图像的优劣。

根据对人类视觉系统的研究，人们对图像质量感知主要来自于图像底层视觉特征，其中纹理特征是最重要的特征之一。纹理特征产生的位置与图像在人眼视觉系统中产生的区域是一样的，此外纹理特征还有比较好的表征图像质量感知的能力。图像的结构特征是整张图像的轮廓，人眼对轮廓也有着较高的辨识度，所以结构特征也是一个比较重要的特征。但是上述指标并没有对图像的纹理特征和结构特征进行单独评价。

发明内容

本发明的目的是针对上述现有技术的不足，提出一种基于TVL结构纹理分解的图像融合质量评价方法，其中在结构纹理分解的研究领域中TVL(总变差正则化)的表现是最好的。鉴于纹理特征和结构特征在实际图像中所占的比例不同，而在TVL结构纹理分解中的λ系数恰好可以调节纹理特征和结构特征的权重，所以本发明算法能够准确的评价融合图像的质量。

本发明解决其技术问题所采用的技术方案如下：

一种基于TVL结构纹理分解的图像融合质量评价方法，包括以下步骤：

TVL分解是将一幅图像多级分解为纹理图像和结构图像的方法。分解原理如图1所示。首先将原图像f用系数λ₁分解为结构图像和纹理图像此时即结构图像和纹理图像合并就是原图像。接着保留结构图像，继续将刚刚分解的纹理图像用系数λ₂进行结构纹理分解，得到第二级的结构图像和纹理图像此后不断地如此分解，最后也就是上一级的纹理图像被分解为下一级的结构图像和纹理图像。