基于纹理特征和结构相似度的SAR图像质量评估方法技术

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。

【技术实现步骤摘要】

本专利技术属于计算机
，更进一步涉及图像处理
中的一种基于纹理特征和结构相似度的SAR图像质量评估方法。本专利技术可用于评估多视情况下SAR图像的图像质量，通过利用SAR图像的纹理特征和结构相似度方法来评估SAR图像的灰度是否均匀，图像纹理是否柔和，以达到和人类视觉系统有统一的评价结果，本评估方法可用于分析SAR图像性质、SAR图像分类，SAR图像边缘检测等领域。
技术介绍
合成孔径雷达(Synthetic Aperture Radar,SAR)技术近年来应用得越来越广泛。SAR图像与普通光学遥感图像相比，具有可以全天候获取的特点，并且随着SAR图像分辨率不断提高，基于它的图像处理技术也越来越多。在SAR图像成像过程中经常利用到多视方法，而多视情况的SAR图像质量，对于SAR图像的性质研究至关重要。Shuhong Jiao等人在其发表的论文“SAR Image Quality Assessment Based on SSIM Using Textural Feature”(2013Seventh International Conference on Image and Graphics)中提出了利用纹理特征的结构相似度算法来对于SAR图像质量评估。该方法中第一步计算了原SAR图像的灰度共生矩阵，之后计算灰度共生矩阵的相关性性质；第二步计算SAR图像的亮度、对比度和结构三个性质，并实现结构相似度算法；第三步通过利用相关性性质改进SAR图像结构性质并融入到结构相似度算法中，计算纹理结构相似度值，实现了SAR图像的质量评估。该方法存在的不足之处是，其第三步采用纹理的相关性指标评估SAR图像存在负相关的缺陷。Lic.Mirko等人在其发表的论文“SAR Image Quality Assessment”(Master In Emergency Early Warning and Response Space Applications March 2012)中提出了利用空间分辨率，峰值旁瓣比等性质参数对成像过程中的SAR图像进行质量评估。该方法第一步提取了SAR图像成像中的点目标的距离向脉冲响应函数和方
位向脉冲响应函数；第二步通过利用脉冲响应函数，计算得到SAR图像成像过程中的空间分辨率、峰值旁瓣比、积分旁瓣比等性质参数；第三步通过比对性质参数与要求成像时的参数值，从而评估出SAR图像成像性质的好坏。该方法存在的不足之处是，未涉及SAR图像本身的图像指标以及存在指标参数单一，只有参数值比较等缺陷。
技术实现思路
本专利技术的目的在于克服上述现有技术存在的不足，将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，提供一种基于纹理特征和结构相似度的SAR图像质量评估方法。本专利技术用于对多视SAR图像的质量进行评价，消除了评价指标中的负值，且提高评价指标的精度。为实现上述目的，本专利技术在评估多视SAR图像时，首先利用原始SAR图像的灰度均值和方差和多视SAR图像的灰度均值和方差进行预评估，再利用多视SAR图像的能量结构相似度均值和多视SAR图像的灰度不均匀度对多视SAR图像进行评价。本专利技术包括如下步骤：(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、灰度方差和能量值与多视SAR图像对应的性质进行归一化操作，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： M C = Σ m = 1 N Σ n = 1 N C ( f 0 , f 1 ) N × N ]]>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： T = Σ a = 1 N g [ Σ b = 1 N s H a b ] 2 H 本文档来自技高网...

【技术保护点】
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、灰度方差和能量值与多视SAR图像对应的性质进行归一化操作，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：MC=Σm=1NΣn=1NC(f0,f1)N×N]]>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：T=Σa=1Ng[Σb=1NsHab]2H]]>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。...

【技术特征摘要】
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、灰度方差和能量值与多视SAR图像对应的性质进行归一化操作，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： M C = Σ m = 1 N Σ n = 1 N C ( f 0 , f 1 ) N × N ]]>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： T = Σ a = 1 N g [ Σ b = 1 N s H a b ] 2 H ]]>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。2.根据权利要求1所述的基于纹理特征和结构相似度的SAR图像质量评估方法，其特征在于，步骤(2a)中所述的计算所有原始SAR图像的灰度指标具体步骤如下：第1步，按照下式，计算原始SAR图像的灰度均值： μ 0 = 1 M 1 × N 1 Σ i = 1 M 1 Σ j = 1 N 1 f i , j ]]>其中，μ0表示原始SAR图像的灰度均值，M1表示原始SAR图像矩阵的行
\t的总数，N1表示原始SAR图像矩阵的列的总数，∑表示求和操作，i表示第i行的原始SAR图像，j表示第j列的原始SAR图像，fi,j表示在第i行第j列处原始SAR图像矩阵的灰度值；第2步，按照下式，计算原始SAR图像的灰度方差： σ 0 2 = 1 M 1 × N 1 Σ i = 1 M 1 Σ j = 1 N 1 ( f i , j - μ 0 ) 2 ]]>其中，表示原始SAR图像的灰度方差，M1表示原始SAR图像矩阵的行的总数，N1表示原始SAR图像矩阵的列的总数，∑表示求和操作，i表示第i行的原始SAR图像，j表示第j列的原始SAR图像，fi,j表示在第i行第j列处的原始SAR图像矩阵的灰度值，μ0表示原始SAR图像的灰度均值。3.根据权利要求...

【专利技术属性】
技术研发人员：候彪，焦李成，鞠贵林，王爽，张向荣，马文萍，马晶晶，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61