[发明专利]基于子集导引与变异系数的图像集增强优选方法

说明书

本发明提出了一种基于子集导引与变异系数的图像集增强优选方法，所提方法首先对原始图像集进行随机取样得到子图像集，使用子图像集来代表原始图像集。然后，使用多种图像增强算法对子图像集进行增强，得到多个增强后的子图像集，再使用某一种图像质量评价准则对多个增强后的子图像集进行逐一打分，根据打分结果，计算出每个增强后的子图像集的平均值和方差。所提方法根据平均值和方差，分别计算出每个增强后的子图像集的变异系数，最小变异系数所对应的增强算法即为子图像集的最优算法；根据子集导引的测评体系，最小变异系数所对应的增强算法同时也是原始图像集的最优增强算法。

技术领域

本发明针对多种图像增强算法提供一种基于子集导引与变异系数的优选方法，属于图像处理与质量评价领域。

背景技术

图像增强在人们日常生活和生产中应用十分广泛，它以满足特定应用需求为目的，突出图像中感兴趣的信息，通常作为图像分析识别的预处理过程，其目的是调整原图像的信息使其更适合人机的识别。若要对图像进行鲁棒的增强，则需要找到一种最优的图像增强算法。对于单幅图像，寻找最优图像增强算法相对简单，即使用多种增强算法对单幅图像进行增强，得到多幅增强后的图像，然后采用图像质量评价准则对增强后的图像进行打分，最高得分的图像所对应的增强算法即为该幅图像最优的增强算法。

对于大量图像组成的图像集而言，寻找最优的增强算法相对而言比较困难，一方面是增强算法的数量多，另一方面是图像集很大，操作起来非常耗时。现有的图像集增强优选方法主要为平均方法，首先使用多种增强算法对图像集进行增强，得到多个增强后的图像集；然后使用图像质量评价准则对增强图像集中的每一幅图像进行打分并取平均值，最高平均值所对应的增强算法即为该图像集的最优增强算法。然而平均方法存在一定的缺陷，因为平均方法仅考虑平均值这一个指标，如果增强后的图像集中某些图像的质量分数波动很大，则平均值容易波动，此时平均值难以代表整个增强图像集的整体水平。另外，随着大数据时代的来临，图像数据日益庞大，图像集通常很大，对整个图像集进行增强，然后对增强图像集进行打分并取平均值这一过程非常耗时。

发明内容

本发明的目的是提供一种可靠性与效率较高的图像集增强优选方法，为图像集筛选出一种性能最优的图像增强算法。

为了达到上述目的，本发明的技术方案是提供了一种基于子集导引与变异系数的图像集增强优选方法，其特征在于，包括以下步骤：

步骤一：对原始图像集A进行随机取样得到子图像集B，原始图像集A包含p幅图像，子图像集B包含n幅图像；

步骤二：使用多种图像增强算法(E₁，E₂，...，E_m)对子图像集B进行增强，得到多个增强后的子图像集(B₁，B₂，...，B_m)，m为图像增强算法的数量；

步骤三：使用某一种图像质量评价准则Q依次对增强后的子图像集(B₁，B₂，...，B_m)进行打分，打分结果记为α_ij，其中i为图像标号，i＝1，2，...n，j为各种图像增强算法的标号，j＝1，2，...m；

步骤四：依次计算出在每一种增强算法(E₁，E₂，...，E_m)下，α_ij的平均值U_j和方差S_j：

步骤五：分别计算出在每一种图像增强算法(E₁，E₂，...，E_m)下增强子图像集的变异系数，在第j种图像增强算法下增强子图像集的变异系数定义为COV_j，则有：