一种弹载图像质量评价方法技术

本发明专利技术公开了一种弹载图像质量评价方法，包括：建立原始基准图像数据库(1)，子块质量敏感特征提取单元(2)提取原始基准图像的质量敏感特征因子，构建基准MVG模型单元(3)根据质量敏感特征因子，获取待评价图像数据单元(4)获取待评价图像数据，子块质量敏感特征提取单元(5)提取待评价图像质量敏感特征因子，构建待评价MVG模型，子块质量评价单元(7)比较基准MVG与待评价MVG特性，计算各子块质量得分，图像质量评价单元(8)计算各个子块评价分值的平均值作为整幅图像的最终得分。由于选取的因子能够准确表征成像设备旋转、抖动、高过载引起图像高频部分衰减、编解码不完全、颜色失真等问题，适合对高速飞行体拍摄的图像质量进行评价。

【技术实现步骤摘要】

本专利技术涉及弹载图像处理
，特别涉及一种弹载图像质量评价方法。
技术介绍
图像质量的评价，根据有无参考图像和信息，可分为三大类：(1)全参考图像质量评价方法(Full-RefrenceImageQualityAssessment，FR-IQA)；(2)弱参考图像质量评价方法(Reduced-RefrenceImageQualityAssessment，RR-IQA)；(3)无(盲)参考图像质量评价方法(No-Refrence/BlindImageQualityAssessment，NR-IQA)。其中无参考图像质量评价是目前人们研究的重点内容，无参考图像质量评价可进一步划分为两类：限定失真评价方法和非限定失真评价方法，对于由高速飞行体的空对地成像图像，如弹载侦察图像的质量评价，由于缺乏相应参考图像，只能采用无参考图像质量评价的方法，同时用于多失真混杂，需要研究非限定失真的图像质量评价方法和实际应用。由于高速飞行体成像设备的相机运动呈现高速旋转、多自由度的抖动，图像的相应高频部分会受到不同程度的减弱，不同于目标相对背景运动带来的模糊，相机抖动的方向和速度变化产生的模糊在图像上呈现明显的各向异性；高速飞行体，如弹丸在下落过程中，由于弹体高过载、弹丸高速旋转、图像编解码不完全、信号干扰等因素会造成颜色漂移、颜色损失、颜色模糊等色彩失真，利用现有方法难以有效解决；而且，弹载图像经常呈现多失真混叠的现象，只针对某一类失真类型特征无法提取满足需求的结构变化特征；弹载成像平台由空中抛撒，空对地成像，场景细节变化和图像中地貌特征也不相同，用常见的清晰图像进行处理难以得到满意结果；因此，高速飞行体的旋转造成的相机成像复杂，拍摄图像存在多类失真降质，常规特征因子和算法难以评估。
技术实现思路
为此，本专利技术提供了一种弹载图像质量评价方法，以解决高速飞行体设备旋转、抖动、高过载引起图像高频部分衰减、编解码不完全、颜色失真等造成的无法正确评估图像质量的问题。为达到上述目的，本专利技术的技术方案是这样实现的：第一技术方案为一种弹载图像质量评价方法，所述弹载图像质量评价方法包括如下步骤：步骤S11：利用高分辨率的测绘图像建立原始基准图像数据库；步骤S12：以原始基准图像为原始训练参考图像，进行p×p分块，对每一子块提取与图像失真程度相关，与图像失真类型无关的图像质量敏感特征因子；步骤S13：对原始图像各子块的质量敏感特征因子进行MVG拟合，构建基准MVG模型；步骤S21：获取待评价图像数据；步骤S22：对待评价图像进行p×p分块，与原始基准图像相同，对每一子块提取图像质量敏感特征因子；步骤S23：对待评价图像的质量敏感特征因子进行MVG拟合，构建待评价MVG模型；步骤S31：比较基准MVG模型与待评价MVG模型的特性分布差异，得到各对应子块的质量得分；步骤S32：计算各个子块质量得分的平均值作为整幅图像的最终得分。第二技术方案基于第一技术方案，所述步骤S12、S22中，提取的所述图像质量敏感特征因子包括：抖动失真相关特征因子、结构失真相关特征因子、颜色失真相关特征因子。第三技术方案基于第二技术方案，所述步骤S12、S22中，提取的所述抖动失真相关特征因子包括：方向特征和形状特征。第四技术方案基于第二技术方案，所述步骤S12、S22中，提取的所述结构失真相关特征因子包括：MSCN统计因子、MSCN因子两侧水平方向因子、局部方差。第五技术方案基于第二技术方案，所述步骤S12、S22中，所述颜色失真相关特征因子的提取包括：灰度对比度熵、黄蓝对比度熵、红绿对比度熵、色调和色度。第六技术方案基于第三技术方案，所述步骤S12、S22中，所述抖动相关特征因子的提取包括：首先定义图像DFT变换系数的方向能力和方向加权熵，再计算变换系数的清晰度，进一步得到方向特征的均值；同时，根据形状特征离心率和频谱轮廓数量，计算形状特征的离心率方差。第七技术方案基于第四技术方案，所述步骤S12、S22中，所述结构相关特征因子的提取包括：基于自然场景统计，对自然灰度图像的局部进行归一化预处理，得到MSCN因子和局部方差，在采用经验分布函数计算得到MSCN因子两侧水平的因子。第八技术方案基于第五技术方案，所述步骤S12、S22中，所述颜色失真相关因子的提取包括：图像在空域中通过高斯二阶倒数差分滤波器分解，分解后的滤波器响应被整合，选取颜色分量包括：灰度对比度熵、黄蓝对比度熵和红绿对比度熵，进一步在图像的H通道中计算色调和色度。第九技术方案基于第一技术方案，所述步骤13、23中，先对各子块的质量敏感特征因子构成的多维特征向量，用PCA方法进行降维得到映射矩阵，之后利用最大似然估计算法计算得到MVG分布的拟合特性。第十技术方案基于第一技术方案，所述S31中，采用马氏距离计算方法比较基准MVG模型的特性与待评价MVG模型的特性之间的距离，对基准MVG的特性与待评价MVG的特性的差异进行量化评分，得到各子块的得分。本专利技术的优点和有益效果：本专利技术提出的图像质量评价方法和系统，通过构建原始基准图像单元，对原始基准图像进行分块，由各子块提取例如与图像的抖动、结构、颜色相关的三类质量敏感特征因子，分块提取的特征进行MVG拟合获得MVG模型，即，基准分布特性，同时对如弹载图像进行分块处理得到相应的MVG分布特性，比较其与基准MVG的特性分布差异，如马氏距离作为子块质量得分，进一步得到整体图像的得分。由于选取的质量敏感特征因子与图像失真程度相关，与图像失真类型无关，能够准确表征成像设备旋转、抖动、高过载引起图像高频部分衰减、编解码不完全、颜色失真等问题，能够正确地对高速飞行体成像，即弹载图像的图像质量进行评价，与现有技术相比更加高效、准确。附图说明图1是本专利技术实施方式的结构框图，图2是本专利技术实施方式的流程图。具体实施方式为了使本专利技术的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本专利技术进行详细描述，在本实施方式中，高速飞行体的空对地成像图像为弹载图像。如图1所示，本专利技术弹载图像质量评价系统包括如下结构：原始基准图像数据库1，储存原始基准图像，该原始基准图像为高分辨率测绘图像；原始图像特征因子提取单元2，以原始基准图像为原始训练参考图像，进行p×p分块，对每一子块提取与图像失真程度相关，与图像失真类型无关的图像质量敏感特征因子；基准MVG模型构建单元3，对各子块的质量敏感特征因子进行MVG拟合，构建基准MVG模型；获取待评价图像数据单元4，获取待评价图像数据；待评价图像特征因子提取单元5，对待评价图像进行p×p分块，与原始基准图像相同，对每一子块提取图像质量敏感特征因子；待评价MVG模型构建单元6，对各子块的质量敏感特征因子进行MVG拟合，构建待评价MVG模型；子块质量评价单元7，比较基准MVG模型的特性与待评价MVG模型的差异，得到各对应子块的质量得分；整幅图像质量评价单元8，计算各个子块质量得分的平均值作为整幅图像的最终得分。以下首先对图像质量敏感特征因子进行说明。图像特征的准确提取是质量评价模型构建成功的关键，在“主观未知”盲评价方法的特征选取时重要的原则是：选取的特征应与图像的失真类型无关，而与图像的失真程度相关。考虑弹载图像成像方式的极端特殊性，需要重点本文档来自技高网...

【技术保护点】
一种弹载图像质量评价方法，其特征在于，所述弹载图像质量评价方法包括如下步骤：步骤S11：利用高分辨率的测绘图像建立原始基准图像数据库；步骤S12：以原始基准图像为原始训练参考图像，进行p×p分块，对每一子块提取与图像失真程度相关，与图像失真类型无关的图像质量敏感特征因子；步骤S13：对原始图像各子块的质量敏感特征因子进行MVG拟合，构建基准MVG模型；步骤S21：获取待评价图像数据；步骤S22：对待评价图像进行p×p分块，与原始基准图像相同，对每一子块提取图像质量敏感特征因子；步骤S23：对待评价图像的质量敏感特征因子进行MVG拟合，构建待评价MVG模型；步骤S31：比较基准MVG模型与待评价MVG模型的特性分布差异，得到各对应子块的质量得分；步骤S32：计算各个子块质量得分的平均值作为整幅图像的最终得分。

【技术特征摘要】
1.一种弹载图像质量评价方法，其特征在于，所述弹载图像质量评价方法包括如下步骤：步骤S11：利用高分辨率的测绘图像建立原始基准图像数据库；步骤S12：以原始基准图像为原始训练参考图像，进行p×p分块，对每一子块提取与图像失真程度相关，与图像失真类型无关的图像质量敏感特征因子；步骤S13：对原始图像各子块的质量敏感特征因子进行MVG拟合，构建基准MVG模型；步骤S21：获取待评价图像数据；步骤S22：对待评价图像进行p×p分块，与原始基准图像相同，对每一子块提取图像质量敏感特征因子；步骤S23：对待评价图像的质量敏感特征因子进行MVG拟合，构建待评价MVG模型；步骤S31：比较基准MVG模型与待评价MVG模型的特性分布差异，得到各对应子块的质量得分；步骤S32：计算各个子块质量得分的平均值作为整幅图像的最终得分。2.根据权利要求1所述图像质量评价方法，其特征在于，所述步骤S12、S22中，提取的所述图像质量敏感特征因子包括：抖动失真相关特征因子、结构失真相关特征因子、颜色失真相关特征因子。3.根据权利要求2所述图像质量评价方法，其特征在于，所述步骤S12、S22中，提取的所述抖动失真相关特征因子包括：方向特征和形状特征。4.根据权利要求2所述图像质量评价方法，其特征在于，所述步骤S12、S22中，提取的所述结构失真相关特征因子包括：MSCN统计因子、MSCN因子两侧水平方向因子、局部方差。5.根据权利要求2所述图像质量评价方法，其特征在于，所述步骤S12、S22中，所述颜色失真相关特征因...

【专利技术属性】
技术研发人员：李从利，薛模根，童利标，薛松，陆文骏，杨修顺，袁广林，张友方，粟琛钧，
申请(专利权)人：中国人民解放军陆军军官学院，
类型：发明
国别省市：安徽;34