[发明专利]一种基于HSI颜色空间的无参考去雾图像质量评价方法

说明书

本发明公开了一种基于HSI颜色空间的无参考去雾图像质量评价方法，属于图像处理技术领域。本发明针对去雾图像容易出现的两类失真问题——色彩失真和清晰度不足，将图像转换到HSI颜色空间进行处理，分别得到三个通道对应的子图像。基于其不同的分布规律，提出利用H通道和S通道的子图像完成色彩评估，I通道的子图像完成清晰度评估，从而使客观评价结果和主观感受达到较高的一致性。解决了去雾图像由于缺少参考图像而难以完成对其质量评估的问题。本发明处理步骤少，无需使用无雾的参考图像以及大量数据集进行模型训练，最终评价结果准确性高，应用简洁。

技术领域

本发明属于图像处理技术领域，更具体地说，涉及一种基于HSI颜色空间的无参考去雾图像质量评价方法。

背景技术

随着工业的不断发展以及城市化水平的提升，空气质量恶化的程度也在不断地加深，与之相对应的是雾霾天气的频繁出现。雾霾是自然界常见的一种现象，是由于大气中存在悬浮的颗粒物和小水滴，这些微粒影响了大气对太阳光的散射和吸收，从而导致能见度降低，影响了人类的视觉感知。由于雾霾的存在，影响了图像成像，对设备捕捉图像造成了极大的干扰，造成捕捉到的图像质量受损，从而不利于图像信息的获取。

针对图像除雾霾这一方面，现有技术中提出了许多去雾算法，旨在最大程度上对图像的质量进行恢复。但是随着去雾技术的不断完善和发展，仍然缺少对应的评价方法，以帮助完成对去雾算法的性能评估。在传统的图像质量评价中，主要分为主观评价和客观评价，其中主观评价容易受到主观因素的影响，并且成本较高，耗时较长，其应用范围受到限制。客观评价方法又可以分为三类：分别是全参考、半参考以及无参考评价法，而由于去雾图像又缺少相应的无雾参考图像，因此无参考图像质量评价将受到更多的关注。

对于无参考图像质量评价来说，一般都是基于某一类图像进行设计的，因此并不是对所有类型的图像都适用。为了保证预测结果的可靠性，需要针对去雾图像的特点，设计一种专用的评价方法，使客观评价结果和主观结果达到较好的一致性。调查发现若要设计一个专用的无参考评价方法，一般的步骤是要先基于该类图像进行特征提取，然后利用一个包含大量同类型图像的数据库，并且该数据库中还包含了相应的主观质量评分，再将提取的特征送入支持向量机进行建模训练，得到特征与质量分数之间的映射关系，从而实现对图像质量的盲评估。但是由于这方面缺少现有的大型雾图数据集，若要构建一个大型的数据库，则需要花费大量的时间以及成本，在目前阶段，实现具有较大的难度。并且若使用数据集进行训练，这不仅将会使算法的复杂度高，而且存在繁琐等问题。因此，针对去雾图像实现质量评价，缺少相应的清晰参考图像，并且使算法具有较好的可执行性和较低的复杂度，成为该类图像评价的技术难点。目前，国内针对去雾图像的质量评价方法研究较少，在该领域仍需一种复杂度低、实现步骤简便的评价方法，来帮助去雾算法实现性能评估。

发明内容

1.发明要解决的技术问题

本发明的目的在于解决去雾图像质量难以实现盲评估，提高该类图像客观评估结果的可靠性的问题，提供了一种基于HSI颜色空间的无参考去雾图像质量评价方法；本发明主要针对去雾图像常容易出现的色彩失真及清晰度不足等问题，通过将其转换到HSI颜色空间，观察三个通道对应的子图像，对H和S通道的子图像基于自然统计规律进行特征提取，得到色彩评估结果；同时利用I通道的子图像进行累计模糊概率检测，得到清晰度评估结果，再结合二者的评价结果，完成最终的质量评估，从而解决了在无参考对比下，图像的清晰度评估问题。

2.技术方案

为达到上述目的，本发明提供的技术方案为：

本发明的一种基于HSI颜色空间的无参考去雾图像质量评价方法，其步骤为：

步骤一、读取待评估去雾图像,并将其从RGB颜色空间转换到HSI颜色空间上，得到三个通道对应的子图像；

步骤二、对H子图像进行处理，分别计算其对应的局部均值和局部方差后，再进行归一化处理，求其对应的MSCN系数；