[发明专利]基于ERT系统的重建图像质量评价方法

权利要求书

1.一种基于ERT系统的重建图像质量评价方法，其特征在于，该方法包括以下步骤：

步骤一、对ERT图像进行特征的提取：将图像转换成灰度图像，并进行分块和下采样处理，计算图像的空间像素灰度熵值，像素梯度熵值和频谱熵值作为特征；

步骤二、提取ERT图像的流型信息：利用python语言编写CNN模型，将ERT图像输入到CNN模型中，进行ERT图像流型特征的提取；

步骤三、综合空间像素灰度熵值特征、像素梯度熵值特征、频谱熵值特征和流型值特征放入KSVD模型中训练：将4种特征构造成一个过完备字典，放入到KSVD模型中进行训练，并利用稀疏系数计算出图像的预测质量分数。

2.按照权利要求1所述的基于ERT系统的重建图像质量评价方法，其特征在于：步骤一中所述进行分块和下采样处理时，是进行下采样率为1/4和1/8的下采样，对采样后的ERT图像分成10×10的图像块。

3.按照权利要求2所述的基于ERT系统的重建图像质量评价方法，其特征在于：步骤一中所述计算图像的空间像素灰度熵值时，采用的计算公式为E_s＝-∑_xp(x)log₂p(x)，其中，x为图像块的像素值，p(x)为x的经验概率分布，E_s为图像的空间像素灰度熵值；步骤一中所述计算图像的空间像素灰度熵值时，是计算灰度图像、下采样率为1/4的下采样图像和下采样率为1/8的下采样图像的空间像素灰度熵的均值和偏度，组成空间空间像素灰度熵的6个特征值，即3个均值和3个偏度值。

4.按照权利要求1、2或3所述的基于ERT系统的重建图像质量评价方法，其特征在于：步骤一中所述计算像素梯度熵值时，先采用拉普拉斯锐化的方法根据公式g(x,y)＝f(x,y)+c[▽²f(x,y)]对原始的灰度图像f(x,y)进行增强，得到增强后的图像g(x,y)，再采用计算公式E_g＝-∑_x∑_yp[g_m(x,y)]log₂p[g_m(x,y)]计算像素梯度熵值E_g，其中，c为拉普拉斯锐化增强的系数，p[g_m(x,y)]为图像梯度信息的经验概率分布，g_m(x,y)为图像块的梯度大小且g_x(x,y)为x方向增强后的图像梯度大小，g_y(x,y)为y方向增强后的图像梯度大小。

5.按照权利要求1、2或3所述的基于ERT系统的重建图像质量评价方法，其特征在于：步骤一中所述计算频谱熵值时，先在MATLAB软件中采用dct2函数求解得到灰度图像的DCT系数统计的经验概率分布p(i,j)，再根据公式E_f＝-∑_i∑_jp(i,j)log₂p(i,j)计算得到频谱熵值E_f，其中，i为图像宽度像素值且1＜i≤10，j为图像高度像素值且1＜j≤10，步骤一中所述计算频谱熵值时，是计算灰度图像、下采样率为1/4的下采样图像和下采样率为1/8的下采样图像的频谱熵的均值和偏度，组成频谱熵的6个特征值，即3个均值和3个偏度值。

6.按照权利要求1所述的基于ERT系统的重建图像质量评价方法，其特征在于：步骤二中所述CNN模型采用2个卷积层，卷积核分别为7×7和3×3，2个池化层，池化层中核大小统一为2×2，再加2全连接层，最后输出结果为环流、层流和泡状流3类。

7.按照权利要求1所述的基于ERT系统的重建图像质量评价方法，其特征在于：步骤三中所述利用稀疏系数计算出图像的预测质量分数，采用的计算公式为：其中，doms_k为第k个字典元素对应的评分，X_k为第k个字典元素对应的稀疏系数和自身绝对值的乘积，N为过完备字典中字典元素的总个数，|doms_P|为测试图像预测质量分数。