[发明专利]基于轮廓统计特性的部分参考声纳图像应用质量评价方法

说明书

本发明涉及一种基于轮廓统计特性的部分参考声纳图像应用质量评价方法，该方法包括以下步骤：S1、对原始声纳图像，即参考声纳图像进行轮廓波变换，以获得的子带系数作为图像轮廓特征；S2、对每个子带系数分别提取表征子带信息、能量以及幅值的统计特征，作为参考声纳图像的轮廓特征信息；S3、对待测声纳图像重复步骤S1‑S2，提取待测声纳图像的轮廓特征信息；S4、计算参考声纳图像与待测声纳图像之间的轮廓变化特征；S5、利用集成学习，基于步骤S4得到的轮廓变化特征，建立部分参考声纳图像应用质量评价模型。该方法有利于提高声纳图像应用质量评价性能。

技术领域

本发明涉及图像质量测评技术领域，具体涉及一种基于轮廓统计特性的部分参考声纳图像应用质量评价方法。

背景技术

由于声纳成像不依赖于照明，因此在复杂、黑暗的深海环境中，声纳图像被广泛应用于许多水下任务中。水下声纳图像通常由海洋研究人员进行观察分析，因此他们对传输后的声纳图像质量有较高的要求。然而，由于水声信道的传输条件较差，导致水声传输过程无法保证声纳图像的质量。一种有效的声纳图像质量测评方法对水声图像传输控制和海洋研究人员的观察有重要意义。然而，声纳图像与自然场景图像在许多方面，例如图像特征和应用背景有较大的不同，对于具有实际任务用途的声纳图像，我们应当测量其应用质量而不是视觉感知质量。而声纳图像的应用质量并不能用其视觉感知质量进行简单的代替，因此提出一种基于任务导向的声纳图像应用质量测评方法是十分有意义的。

图像质量评价通常可被分为两大类，即主观评价和客观评价。主观质量能很好地反映图像在人眼中呈现出的质量，但由于主观评价需要耗费大量的人力财力，因此其无法作为评价图像质量的常用手段。通过对人类视觉系统进行数学建模，产生了大量的客观图像质量评价方法，而按照参考图像的有无，分为全参考、部分参考以及无参考图像质量测评。而部分参考方法则是在全参考与无参考之间的一种折衷的质量评价方法，其同时具备了全参考和无参考方法的优点，通过使用原始图像的部分参考信息或者少量特征来评估失真图像的质量。

上述质量评价方法都是针对由自然场景图像获得的光学图像而设计的，其包括建模的自然场景统计，结构和信息等特征，而这些图像的感知质量评分是根据人们的常识和审美来进行评价的，它考虑了人类视觉系统的各种感知特性，尽管其表现优秀，然而最先进的自然图像质量评价方法仍然不适用于声纳图像。首先，声纳图像的统计特征与自然图像的不同，这些基于自然场景统计的质量评价指标不能用于声纳图像。其次，由于设备、环境等因素导致声纳图像的收集远比自然图像困难和昂贵，这造成了声纳图像数据库规模较小。因此，现在常用的基于深度学习的质量评价方法可能会导致严重的过拟合现象。最后由于是基于人类审美感知对图像进行质量评价的，而考虑到声纳图像的特性以及应用背景的特殊性，在自然图像上性能很好的全参考图像质量测评往往无法对声纳图像起很好的作用。为了更好地估计高分辨率声纳图像的实用质量，声纳图像的质量评价方法要将视觉感知与实际任务相结合。不幸的是，在目前已经出现的研究中，对这方面的研究还很稀缺。

发明内容

本发明的目的在于提供一种基于轮廓统计特性的部分参考声纳图像应用质量评价方法，该方法有利于提高声纳图像应用质量评价性能。

为实现上述目的，本发明采用的技术方案是：一种基于轮廓统计特性的部分参考声纳图像应用质量评价方法，该方法包括以下步骤：一种基于轮廓统计特性的部分参考声纳图像应用质量评价方法，其特征在于，该方法包括以下步骤：

S1、对原始声纳图像，即参考声纳图像进行轮廓波变换，以获得的子带系数作为图像轮廓特征；

S2、对每个子带系数分别提取表征子带信息、能量以及幅值的统计特征，作为参考声纳图像的轮廓特征信息；

S3、对待测声纳图像重复步骤S1-S2，提取待测声纳图像的轮廓特征信息；

S4、计算参考声纳图像与待测声纳图像之间的轮廓变化特征；