[发明专利]基于多视幅度统计特性的SAR图像无参考质量评价方法

摘要

本发明公开了一种基于多视幅度统计特性的SAR图像无参考质量评价方法，主要解决现有技术实施难度高、稳定性低的问题。其实现方案是：1.从SAR图像数据库中提取训练样本和测试样本；2.计算SAR图像全局等效视数、局部最大等效视数及它们的比值；3.计算SAR图像的模糊相关系数；4.选取SAR图像中的匀质性区域拟合平方根伽马分布；5.提取所有样本的特征向量；6.设定特征向量的阈值，对噪声图像进行分类；7.对不同噪声污染类型的SAR图像分别训练质量评价预测模型；8.计算测试样本的质量值；9.根据测试样本质量值判断测试样本的质量。本发明极大地提高了SAR图像质量评价的实用性与准确性，可用于SAR图像的筛选。

主权项

一种基于多视幅度统计特性的SAR图像无参考质量评价方法，包括：(1)将SAR图像数据库中的图像随机分为两份，80％用于训练，20％用于测试；(2)计算一幅待评价SAR图像的全局等效视数ENL、局部最大等效视数β以及它们的比值λ；(3)计算一幅待评价SAR图像的模糊相关系数ρ；(4)选取待评价SAR图像中的匀质性区域，用来拟合平方根伽马分布，以计算待评价SAR图像的拟合误差θ、拟合视数L、拟合强度σ；(5)对所有的样本分别进行步骤(2)～步骤(4)的操作，将每一幅SAR图像提取出的7个特征参数作为特征向量fv：fv＝{ENL,β,λ,ρ,θ,L,σ}；(6)根据不同类型的噪声对SAR图像的特征向量fv会造成不同强弱这一特性，设定特征向量的阈值，对污染的SAR图像进行分类，即将SAR图像按照噪声污染类型分为三类，即第一类为：条带噪声污染图像，第二类为：高斯白噪声污染图像，第三类为：除了第一类和第二类外的其它污染图像；(7)对不同噪声污染类型的SAR图像分别训练质量评价预测模型：(7a)提取第一类污染图像的所有训练样本的特征向量fv，将其输入到支持向量机SVM中，得到第一类污染图像的预测模型MS；(7b)提取第二类污染图像的所有训练样本的特征向量fv，将其输入到支持向量机SVM中，得到第二类污染图像的预测模型MG；(7c)提取第三类污染图像的所有训练样本的特征向量fv，将其输入到支持向量机SVM中，得到第三类污染图像的预测模型MR；(8)计算测试样本的质量值：(8a)将第一类污染图像的测试样本的特征向量fv和第一类污染图像的预测模型MS输入到支持向量机SVM中，计算第一类污染图像的测试样本的质量值Qs；(8b)将第二类污染图像的测试样本的特征向量fv和第二类污染图像的预测模型MG输入到支持向量机SVM中，计算第二类污染图像的测试样本的质量值Qg；(8c)将第三类污染图像的测试样本的特征向量fv和第三类污染图像的预测模型MR输入到支持向量机SVM中，计算第三类污染图像的测试样本的质量值Qr；(9)根据测试样本的质量值，对测试样本的图像质量进行判断：若Qs＝1或Qg＝1或Qr＝1，则认为感觉不到或轻微感觉到图像有噪声；若Qs＝2或Qg＝2或Qr＝2，则认为能明显感觉到图像有噪声；若Qs＝3或Qg＝3或Qr＝3，则认为仅能看出图像中的少量信息；若Qs＝4或Qg＝4或Qr＝4，则认为无法辨认图像信息。