[发明专利]一种无参考激光干扰图像质量评价方法

说明书

本发明公开了一种无参考激光干扰图像质量评价方法，属于图像处理领域，该方法包括：构建支撑向量回归器；该支撑向量回归器包括：局部特征提取模块，对输入图像进行局部信息估计，得到局部信息估计特征；自然场景统计特征提取模块，对输入图像进行基于空间域的自然场景统计，得到自然场景统计特征；质量评分模块，根据局部信息估计特征和自然场景统计特征，对输入图像质量进行评分；将干扰图像数据集输入支撑向量回归器进行训练，得到训练好的支撑向量回归器；将待评价图像输入训练好的支撑向量回归器进行质量评价，得到待评价图像的质量评分。本发明能够真实描述激光干扰图像的失真，在不需要参考图像的基础上准确反映激光干扰图像的质量损失。

技术领域

本发明属于图像处理领域，更具体地，涉及一种无参考激光干扰图像质量评价方法。

背景技术

激光在光学器件(透镜和光圈)中和像面上产生的复杂光学、电学响应，会在图像中产生形状各异的高亮度光斑，从而使得图像质量显著下降；同时，干扰光斑对图像关键信息的遮挡，特别是对目标的遮挡，会严重影响信息处理系统的检测识别性能。深入分析图像的激光干扰效果，给出定量化的指标体系，可以为激光干扰系统的研制和发展提供技术支持和理论依据，具有重要的军事价值和现实意义。

现有的激光干扰图像质量评价算法大多需要参考图像或者含有无干扰图像的序列图像，目前没有真正意义上的无参考评价算法。而在实际应用中，参考图像或者含有无干扰图像的序列图像难以获得，限制了目前的激光干扰图像质量评价算法的应用场景，因此无参考激光干扰图像质量评价方法的研究具有重要意义。无参考激光干扰图像质量评价的难点在于，在没有参考图像的情况下，如何评估图像中关键信息的丢失程度，如何描述激光干扰图像的亮度、对比度、清晰度的变化。如图1所示，目前的无参考图像质量评价方法，一般思路是提取能描述图像失真的图像特征，使用支撑向量回归，在已知图像质量的数据集上训练回归模型；利用训练好的回归模型和图像特征，预测图像质量得分。

目前常用的描述图像失真的图像特征大多是基于空间域自然场景的统计特征，但是为了更准确的描述图像失真，还需将人类视觉特征、干扰光斑特征、图像统计特征和局部特征损失等因素定量化，因此仅使用这一特征无法描述激光干扰图像的失真，造成对激光干扰图像质量的评分准确度低。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种无参考激光干扰图像质量评价方法，其目的在于解决目前的无参考图像质量评价方法提取的特征无法真实描述激光干扰图像的失真，造成质量评价的准确度低的技术问题。

为实现上述目的，本发明提供了一种无参考激光干扰图像质量评价方法，包括以下步骤：

(1)构建支撑向量回归器；

所述支撑向量回归器包括：局部特征提取模块、自然场景统计特征提取模块和质量评分模块；

所述局部特征提取模块；用于对输入图像进行局部信息估计，得到局部信息估计特征；所述自然场景统计特征提取模块，用于对输入图像进行基于空间域的自然场景统计，得到自然场景统计特征；所述质量评分模块，用于根据所述局部信息估计特征和自然场景统计特征，对所述输入图像质量进行评分；

(2)将干扰图像数据集输入所述支撑向量回归器进行训练，得到训练好的支撑向量回归器；

(3)将待评价图像输入训练好的支撑向量回归器进行质量评价，得到待评价图像的质量评分。

进一步地，所述对输入图像进行局部信息估计，具体包括：

(01)对输入图像进行光斑饱和区域检测，得到饱和区域掩模；

(02)对输入图像进行栅格化，并计算每个栅格内的均值和方差，得到均值图img_m和方差图img_v；