[发明专利]基于纹理特征和结构相似度的SAR图像质量评估方法

摘要

一种基于纹理特征和结构相似度的SAR图像质量评估方法，主要针对已有结构相似度算法的不足，把SAR图像纹理特征和结构相似度算法结合起来，利用SAR图像的灰度不均匀度，对多视SAR图像的质量进行评价，消除了指标中的负值，且提高了指标的精度。其实现步骤是：(1)分别输入一幅原始SAR图像和一幅多视SAR图像；(2)预评估；(3)评估能量结构相似度的均值；(4)取得多视SAR图像的灰度不均匀度；(5)拟合多视SAR图像的灰度不均匀度曲线；(6)拟合多视SAR图像的能量结构相似度矩阵的均值曲线；(7)评估多视SAR图像的图像质量。

主权项

1.一种基于纹理特征和结构相似度的SAR图像质量评估方法，包括如下步骤：(1)分别输入一幅原始SAR图像和一幅多视SAR图像；(2)预评估：(2a)计算原始SAR图像的灰度指标；(2b)计算多视SAR图像的灰度指标；(2c)对原始SAR图像与多视SAR图像的灰度指标中的灰度均值和灰度方差，分别进行大小的预评估；(3)评估能量结构相似度均值：(3a)对原始SAR图像的灰度均值、灰度方差和能量标准差与多视SAR图像对应的性质进行进一步操作，得到多视SAR图像的亮度矩阵、多视SAR图像的对比度矩阵和多视SAR图像的能量矩阵；(3b)将多视SAR图像的亮度矩阵、多视SAR图像的对比度矩阵和多视SAR图像的能量矩阵相乘，得到多视SAR图像的能量结构相似度矩阵；(3c)利用下式，计算多视SAR图像的能量结构相似度矩阵的均值：其中，MC表示多视SAR图像的能量结构相似度矩阵的均值，N表示N行N列的多视SAR图像的能量结构相似度矩阵的行的总数和列的总数，m表示第m行的多视SAR图像的能量结构相似度矩阵，n表示第n列的多视SAR图像的能量结构相似度矩阵，∑表示求和操作，C(f0,f1)表示N行N列的多视SAR图像的能量结构相似度矩阵，f0表示原始SAR图像的灰度值，f1表示多视SAR图像矩阵的灰度值；(3d)利用多视SAR图像的能量结构相似度矩阵的均值与1的接近程度评估多视SAR图像质量；(4)取得多视SAR图像的灰度不均匀度：(4a)计算多视SAR图像的梯度矩阵的值后进行取整操作；(4b)利用取整操作后的多视SAR图像梯度矩阵的值与多视SAR图像的灰度值组成灰度梯度共生矩阵；(4c)利用下式，计算多视SAR图像的灰度不均匀度：其中，T表示多视SAR图像的灰度不均匀度，∑表示求和操作，Ng表示多视SAR图像的灰度梯度共生矩阵的行的总数，Ns表示多视SAR图像的灰度梯度共生矩阵的列的总数，a表示第a行的多视SAR图像的灰度梯度共生矩阵，b表示第b列的多视SAR图像的灰度梯度共生矩阵，Hab表示在a行b列处多视SAR图像的灰度梯度共生矩阵的灰度值，H表示多视SAR图像的灰度梯度共生矩阵的灰度值的总和；(5)拟合多视SAR图像的灰度不均匀度曲线：以多视SAR图像的视数为横轴，以多视SAR图像的灰度不均匀度为纵轴，画出平面坐标系中的多视SAR图像的灰度不均匀度曲线，评估多视SAR图像的灰度不均匀度的变化；(6)拟合多视SAR图像的能量结构相似度矩阵的均值曲线：以多视SAR图像的视数为横轴，以取得的多视SAR图像的能量结构相似度矩阵的均值为纵轴，画出平面坐标系中的多视SAR图像的能量结构相似度矩阵的均值曲线，评估多视SAR图像的能量结构相似度矩阵的均值的变化；(7)基于步骤(5)和步骤(6)得到的曲线图对多视SAR图像的质量进行评估。