遙感影像融合及質(zhì)量評(píng)價(jià)研究總結(jié)

1、遙感圖像融合及質(zhì)量評(píng)價(jià)總結(jié)總結(jié)分兩大部分：融合部分和評(píng)價(jià)部分。圖像融合階段包括圖像的預(yù)處理，最佳波段的選擇，以及融合方法的選擇。圖像的預(yù)處理主要有對(duì)接收?qǐng)D像質(zhì)量的控制，幾何校正，正射校正。論文中列出的算法均為常用算法。而后是對(duì)重采樣后圖像像素亮度的處理，有直方圖均衡化，直方圖匹配。最后對(duì)多源影像進(jìn)行影像匹配。最佳波段的選擇主要是根據(jù)多波段圖像間各波段圖像中信息含量多、相關(guān)性小、地物光譜差異大、可分性好的波段，進(jìn)行波段組合，進(jìn)行后續(xù)的圖像融合。融合方法的選擇方面除了常規(guī)方法以外，作者提出了2種改進(jìn)型融合算法：在像素級(jí)的融合方面（1）將HIS變換與小波變換結(jié)合算法；（2）小波變換的改進(jìn)算法。在突出

2、邊緣的融合方面采用將突出邊緣的特征級(jí)融合圖像與像素級(jí)融合圖像再融合的改進(jìn)算法。圖像質(zhì)量的評(píng)價(jià)這幾篇論文進(jìn)采用主客觀相結(jié)合的評(píng)價(jià)方式，最終以評(píng)分的形式確定圖像的質(zhì)量。主要有1、基于人眼視覺(jué)系統(tǒng)HVS的評(píng)分系統(tǒng)；（1）基于HVS感興趣特性和對(duì)比度的遙感圖像無(wú)參考質(zhì)量評(píng)價(jià)方法這種方法基于人類視覺(jué)系統(tǒng)感興趣性的原理，在對(duì)比度計(jì)算時(shí)考慮視覺(jué)感興趣區(qū)域與背景區(qū)域權(quán)重系數(shù)，實(shí)現(xiàn)了一種基于HVS的感興趣特性和對(duì)比度的遙感圖像無(wú)參考質(zhì)量評(píng)價(jià)方法。并利用遙感圖像專家?guī)斓膱D像和數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明本章方法更加符合主觀評(píng)價(jià)的結(jié)果。（2）基于HVS掩蓋效應(yīng)和圖像模糊的遙感圖像無(wú)參考質(zhì)量評(píng)價(jià)方法該方法以盲測(cè)量圖像模

3、糊算法作為理論基礎(chǔ)，將HVS的空間復(fù)雜度掩蓋模型、亮度掩蓋模型引入到圖像質(zhì)量評(píng)價(jià)過(guò)程中，并對(duì)人眼灰度敏感度進(jìn)行建模，建模過(guò)程依據(jù)人類視覺(jué)系統(tǒng)對(duì)灰度具有差異的敏感性這一特性。實(shí)現(xiàn)了基于HVS和模糊的改進(jìn)的遙感圖像無(wú)參考質(zhì)量評(píng)價(jià)體系。2、基于模糊集的評(píng)分系統(tǒng)；該方法基于模糊度理論，選取若干個(gè)圖像質(zhì)量參數(shù)，確定圖像模糊度，由模糊度級(jí)隸屬函數(shù)劃分圖像一級(jí)等級(jí)，然后再按二級(jí)隸屬函數(shù)劃分二級(jí)等級(jí)。次方法過(guò)程較復(fù)雜，工作量較大，結(jié)果相對(duì)精確。3、針對(duì)土地利用項(xiàng)目的各個(gè)階段質(zhì)量對(duì)應(yīng)控制的質(zhì)量評(píng)價(jià)方式。這種質(zhì)量控制方法從階段到整體對(duì)圖像處理的每一步均進(jìn)行質(zhì)量檢驗(yàn)，確保每一階段圖像質(zhì)量均在可接受范圍之內(nèi)，最后再對(duì)

4、結(jié)果進(jìn)行整體檢驗(yàn)，確定圖像質(zhì)量。其針對(duì)的是土地利用變更遙感監(jiān)測(cè)項(xiàng)目，針對(duì)性較強(qiáng)。遙感圖像融合及質(zhì)量評(píng)價(jià)總結(jié)1一、融合階段總結(jié)：31、遙感影像預(yù)處理31.1幾何校正31.2基于影像直方圖的預(yù)處理31.3 影像配準(zhǔn)42、多波段遙感影像最佳波段選擇52.1遙感影像最佳波段選擇指標(biāo)52.2分析試驗(yàn)數(shù)據(jù)62.3 試驗(yàn)數(shù)據(jù)最佳波段選取73、圖像融合方法83.1像素級(jí)融合處理方法83.2 突出邊緣信息的影像融合方法9二 質(zhì)量評(píng)價(jià)階段總結(jié)101基于HVS的主客觀相結(jié)合的評(píng)價(jià)方法101.1建立主觀評(píng)分?jǐn)?shù)據(jù)庫(kù)101.2基于HVS和SSIM的遙感圖像全參考質(zhì)量評(píng)價(jià)方法111.3基于HVS感興趣特性和對(duì)比度的遙感圖像

5、無(wú)參考質(zhì)量評(píng)價(jià)方法111.4基于HVS掩蓋效應(yīng)和圖像模糊的遙感圖像無(wú)參考質(zhì)量評(píng)價(jià)方法122基于模糊集理論的主客觀相結(jié)合評(píng)價(jià)方法132.1評(píng)價(jià)參數(shù)選取132.2建立基于模糊集的評(píng)分系統(tǒng)142.3評(píng)分并評(píng)級(jí)163階段性與整體性圖像質(zhì)量控制方法163.1圖像接收階段173.2 圖像預(yù)處理階段183.3 圖像融合階段183.4 整體性圖像質(zhì)量檢驗(yàn)18小結(jié)19一、融合階段總結(jié)：1、遙感影像預(yù)處理1.1幾何校正位置校正重采樣論文列舉方法有最鄰近內(nèi)插法,雙線性內(nèi)插法及三次卷積內(nèi)插法。最鄰近內(nèi)插法的優(yōu)點(diǎn)是不破壞原來(lái)的像元值，處理速度快,但會(huì)使原影像中的某些線狀特征變粗成塊。雙線性與三次卷積內(nèi)插法則可以減少線狀

6、特征的塊狀化現(xiàn)象，但兩種方法均具有低通濾波性質(zhì)，校正后濾掉信號(hào)中的部分高頻分量。在實(shí)際工作中，應(yīng)依據(jù)具體的影像和應(yīng)用目標(biāo)選擇不同的內(nèi)插算法。1.2基于影像直方圖的預(yù)處理1.2.1 直方圖均衡化直方圖均衡化又稱直方圖平坦化，是將一已知灰度概率密度分布的影像，經(jīng)過(guò)某種變換，變成一幅具有均勻灰度概率密度分布的新影像，其結(jié)果是擴(kuò)展了像元取值的動(dòng)態(tài)范圍。其實(shí)質(zhì)是對(duì)影像進(jìn)行非線性拉伸，重新分配影像像元值，使一定灰度范圍內(nèi)的像元的數(shù)量大致相等。直方圖均衡后每個(gè)灰度級(jí)的像元數(shù)理論上應(yīng)相等，但實(shí)際上為近似相等，直接從影像上看，直方圖均衡效果是：1、各灰度級(jí)所占影像的面積近似相等，因?yàn)槟承┗叶燃?jí)出現(xiàn)高的像素不可能

7、被分割。2、原影像上出現(xiàn)頻率小的灰度級(jí)被合并，頻率高的灰度級(jí)被保留，因此可以增強(qiáng)影像上大面積地物與周圍地物的反差。3、如果輸出數(shù)據(jù)分段級(jí)較少，則會(huì)產(chǎn)生一些大類地物的近似輪廓。1.2.2 直方圖匹配直方圖匹配是通過(guò)非線性變換使得一個(gè)影像的直方圖與另一個(gè)影像直方圖類似。直方圖匹配對(duì)在不同時(shí)間獲取的同一地區(qū)或鄰接地區(qū)的影像，或者由于太陽(yáng)高度角或大氣影響引起差異的影像處理很有用，特別是對(duì)影像鑲嵌或變化檢測(cè)。為了使影像直方圖匹配獲得好的結(jié)果,兩幅影像應(yīng)有相似的特性:1、影像直方圖總體形狀應(yīng)類似。2、影像中明暗特征應(yīng)相同。3、對(duì)某些應(yīng)用，影像的空間分辨率應(yīng)相同。4、影像上地物分布應(yīng)相同,尤其是不同地區(qū)的影

8、像匹配。如果一幅影像里有云，而另一幅沒(méi)有云，那么在直方圖匹配前，應(yīng)將其中一幅進(jìn)行去云處理。直方圖匹配在HIS變換融合、主成分變換融合和小波變換融合中用得較多，且能起到輻射增強(qiáng)的效果。許多研究表明：直方圖匹配能夠在盡量保持光譜信息的情況下提高融合影像的細(xì)節(jié)信息，增大信息量。1.3 影像配準(zhǔn)影像配準(zhǔn)為對(duì)從不同傳感器、不同時(shí)相、不同角度所獲得的兩幅或多幅影像進(jìn)行最佳匹配的處理過(guò)程。其中的一幅影像是參考影像數(shù)據(jù),其它影像則作為輸入影像與參考影像進(jìn)行相關(guān)匹配。影像配準(zhǔn)是影像融合處理中最關(guān)鍵的一個(gè)步驟。在影像融合的各項(xiàng)預(yù)處理過(guò)程中，多幅影像的幾何配準(zhǔn)精度對(duì)融合影像的質(zhì)量影響最為顯著。主要有兩類像素層影像配

9、準(zhǔn)算法：基于區(qū)域的配準(zhǔn)算法和基于控制點(diǎn)的配準(zhǔn)算法。基于區(qū)域的影像配準(zhǔn)算法已廣泛的應(yīng)用于各種影像配準(zhǔn)領(lǐng)域，它運(yùn)用的是整個(gè)區(qū)域的影像像素灰度值來(lái)進(jìn)行配準(zhǔn)。基于區(qū)域的像素層配準(zhǔn)算法主要分為三類：灰度相關(guān)類算法、快速相關(guān)算法（如變灰度級(jí)相關(guān)算法、FFT相關(guān)法、序貫相似性檢測(cè)算法(SSDA)、變分辨率相關(guān)算法等、以及相位相關(guān)算法）。這類配準(zhǔn)技術(shù)目前發(fā)展較為成熟，在沒(méi)有太大的畸變情況下具有較好的配準(zhǔn)性能且對(duì)各種影像場(chǎng)景都有較好的適應(yīng)性。由于基于區(qū)域的配準(zhǔn)是以像素的灰度值為基礎(chǔ)，當(dāng)存在較大的灰度畸變時(shí)，這類算法就難免失效。此外，整個(gè)區(qū)域的影像灰度值難以正確描述影像的結(jié)構(gòu)信息，當(dāng)存在較為復(fù)雜的結(jié)構(gòu)畸變時(shí)，基于

10、區(qū)域的配準(zhǔn)算法也很難得到正確的配準(zhǔn)結(jié)果。針對(duì)以上兩種情況，目前研究較多的是基于控制點(diǎn)的影像配準(zhǔn)算法。基于控制點(diǎn)的影像配準(zhǔn)方法通過(guò)選取影像間明顯的控制點(diǎn)對(duì)，利用它們之間的對(duì)應(yīng)關(guān)系來(lái)獲得配準(zhǔn)結(jié)果，從而解決了無(wú)法掌握灰度畸變成因而失配的難題?？刂泣c(diǎn)的選擇分為人工選點(diǎn)和自動(dòng)選點(diǎn)兩種，兩種選點(diǎn)方法的選點(diǎn)精度都受到影像質(zhì)量影響，例如在低分辨率或噪聲干擾大的影像中選取的控制點(diǎn)的精度都會(huì)有所降低。而影像配準(zhǔn)效果在很大程度上取決于控制點(diǎn)選取的好壞，因此，如何選取高精度的控制點(diǎn)是基于控制點(diǎn)的配準(zhǔn)算法的關(guān)鍵所在。2、多波段遙感影像最佳波段選擇2.1遙感影像最佳波段選擇指標(biāo)通常,波段選擇考慮三個(gè)方面的因素：(1)波段

11、或波段組合信息含量的多少；(2)各波段間相關(guān)性的強(qiáng)弱；(3)研究區(qū)內(nèi)欲識(shí)別地物的光譜響應(yīng)特征如何。那些信息含量多、相關(guān)性小、地物光譜差異大、可分性好的波段組合就是最佳組合。因此常選用下列指標(biāo)判斷最佳波段。均值、標(biāo)準(zhǔn)差、信息嫡和聯(lián)合嫡1）均值均值就是像素的平均灰度值，對(duì)人眼反映為平均亮度；標(biāo)準(zhǔn)差反映了相對(duì)灰度均值的離散狀況，標(biāo)準(zhǔn)差越大，灰度分布越分散。一般認(rèn)為平均灰度接近128和更大方差的圖像有較好的視覺(jué)效果。2）標(biāo)準(zhǔn)差標(biāo)準(zhǔn)差反映了圖像灰度相對(duì)于灰度平均值的離散情況。在某種程度上，標(biāo)準(zhǔn)差也可用來(lái)評(píng)價(jià)圖像信息量的大小。若標(biāo)準(zhǔn)差大，則圖像灰度級(jí)分布分散，圖像的反差大，可以看出更多的信息。標(biāo)準(zhǔn)差小，圖

12、像反差小，對(duì)比度不大，色調(diào)單一均勻，看不出太多的信息。3）信息嫡?qǐng)D像的嫡值是衡量圖像信息豐富程度的一個(gè)重要指標(biāo)，嫡值的大小表示圖像所包含的平均信息量的多少。對(duì)于一幅單獨(dú)的圖像，可以認(rèn)為其各像素的灰度值是相互獨(dú)立的樣本，則這幅圖像的灰度分布為p=p0，p1，pi，pL-1 ，pi為灰度值等于i的像素?cái)?shù)與圖像總像素?cái)?shù)之比。根據(jù)shamrnon信息論的原理，一幅圖像的信息嫡為4）聯(lián)合嫡兩幅圖像的聯(lián)合嫡為:式中Pi1i2是圖像X1像元亮度值為i1與圖像X2中同名像元亮度值為i2時(shí)的聯(lián)合概率。一般來(lái)說(shuō)聯(lián)合嫡值越大，圖像信息量越大。2.1.2 相關(guān)系數(shù)及最佳指數(shù)1）相關(guān)系數(shù)融合圖像與源圖像的相關(guān)系數(shù)能反映

13、兩幅圖像光譜特征的相似程度，其定義如下：式中， 和分別為融合圖像與源圖像的均值。通過(guò)比較融合前后的圖像相關(guān)系數(shù)可以看出圖像的光譜信息的改變程度。融合的影像與相應(yīng)多光譜影像的相關(guān)系數(shù)p能反映融合影像同原多光譜影像光譜特征相似程度，即保光譜特性能力。同樣，通過(guò)比較融合增強(qiáng)前后的圖像相關(guān)系數(shù)可以看出融合影像與高分辨率影像的空間分辨率改善程度。2）最佳指數(shù)美國(guó)查維茨提出的最佳指數(shù)OIF的概念，即其中，Si為第i個(gè)波段的標(biāo)準(zhǔn)差，Rij為i，j兩波段的相關(guān)系數(shù)。對(duì)n波段圖像數(shù)據(jù)，計(jì)算其相關(guān)系數(shù)矩陣，再分別求出所有可能三組合波段對(duì)應(yīng)的OIF。OIF越大，則相應(yīng)組合圖像的信息量越大。對(duì)OIF按照從大到小的順序

14、進(jìn)行排列，即可選出最優(yōu)組合方案。2.2分析試驗(yàn)數(shù)據(jù)以議論文中選取IKONOS和QUICKBIRD影像試驗(yàn)為例QUICKBIRD影像是2005年5月份合肥地區(qū)256平方公里的數(shù)據(jù)，IKONOS影像是2001年5月份北京地區(qū)100平方公里數(shù)據(jù)。由表可以看出：QUICKBIRD標(biāo)準(zhǔn)差>>>，IKONOS標(biāo)準(zhǔn)差>>>，標(biāo)準(zhǔn)差越大越好，則圖像灰度級(jí)分布分散，圖像的反差大，說(shuō)明信息量豐富；QUICKBIRD信息嫡>>>，IKONOS信息嫡>>>，墑值的大小表示圖像所包含的平均信息量的多少，信息嫡越大說(shuō)明信息量越豐富。2.3 試驗(yàn)數(shù)據(jù)最

15、佳波段選取一般來(lái)說(shuō),波段選擇有兩點(diǎn)原則：所選擇的波段和波段組合的信息量最大；所選的波段和波段組合使得某些地物類別之間最容易區(qū)分。對(duì)于論文中試驗(yàn)數(shù)據(jù)做各個(gè)波段組合分析：由上表可知波段、聯(lián)合嫡和最佳指數(shù)最大。由聯(lián)合嫡、最佳指數(shù)以及以上各波段的分析可知，最佳波段組合是、。3、圖像融合方法3.1像素級(jí)融合處理方法論文中對(duì)于此類列舉了幾種常規(guī)算法并一種改進(jìn)算法，包括：影像代數(shù)運(yùn)算融合方法1）加權(quán)平均融合方法2）乘積性融合方法3）比值融合方法4）高通濾波融合方法彩色空間變換融合方法1) HIS變換融合法2) YIQ與YUV變換融合法 PCA變換融合方法基于塔式分解和重建融合方法1)基于拉普拉斯塔形分解的影

16、像融合方法。2)基于梯度塔形分解的影像融合方法。小波變換融合方法3.1.6 改進(jìn)算法1) 將HIS變換與小波變換結(jié)合算法其基本思想是:多光譜影像經(jīng)TROUS小波分解后生成不同尺度的近似影像和一組相關(guān)分辨率的小波面，不同尺度下的近似影像及每一小波面的尺寸都與原影像的尺寸相同。在不同尺度下的近似影像中，低頻分量集中了絕大部分能量，它與多光譜影像中的光譜信息相對(duì)應(yīng)。高分辨率全色影像經(jīng)TROUS小波分解得到一組不同分辨率的小波面，在每一小波面中，絕對(duì)值較大的系數(shù)對(duì)應(yīng)于原始影像中的顯著特征(如邊緣、線、區(qū)域邊界等)，它反映了原始影像中的豐富細(xì)節(jié)和空間結(jié)構(gòu)。因而在高分辨率全色影像與多光譜影像融合時(shí)，盡可能

17、保留高分辨率全色影像的小波面系數(shù)；另一方面保持多光譜影像的近似數(shù)據(jù)，并抑制高分辨率全色影像的近似數(shù)據(jù)，以達(dá)到融合影像既保留原始影像中的豐富細(xì)節(jié)和空間結(jié)構(gòu)，又不改變?cè)喙庾V影像的光譜信息。因此將高分辨率影像經(jīng)小波分解得到的各小波面疊加到低分辨率多光譜影像中，從而既提高了多光譜影像的空間分辨率，同時(shí)又保持了多光譜影像的光譜信息。2) 小波變換的改進(jìn)算法該算法根據(jù)待融合影像分辨率之比來(lái)確定采用幾進(jìn)制小波，將待融合的高分辨率影像進(jìn)行多進(jìn)制小波變換，然后把高分辨影像經(jīng)小波變換后獲得的低頻成分和低分辨率影像依據(jù)一定的關(guān)系進(jìn)行相互替換，以形成新的高分辨影像的低頻成分，經(jīng)過(guò)多進(jìn)制小波逆變換獲得融合后的影像最大

18、限度地利用了待融合影像的信息，防止了影像信息的丟失。3.2 突出邊緣信息的影像融合方法經(jīng)典邊緣檢測(cè)算子常用的邊緣檢測(cè)算子有Sobel算子、Prewitt算子、Roberts算子、Laplacian算子和Canny算子。改進(jìn)算法首先對(duì)高分辨率全色影像與多光譜影像選取適當(dāng)?shù)姆椒ㄟM(jìn)行像素級(jí)融合，同時(shí)，對(duì)邊緣信息豐富的全色影像進(jìn)行不同算子的邊緣檢測(cè)分別得到邊緣影像1和邊緣影像2，然后將兩幅邊緣影像進(jìn)行特征融合，融合后的邊緣影像與前面生成的像素級(jí)融合影像用下列公式進(jìn)行疊加，其中，N（x,y）、F（x,y）、L（x,y）分別為邊緣增強(qiáng)影像、像素級(jí)融合影像及邊緣影像；K為權(quán)系數(shù)。其流程圖如下:二 質(zhì)量評(píng)價(jià)階

19、段總結(jié)1基于HVS的主客觀相結(jié)合的評(píng)價(jià)方法HVS：人類視覺(jué)系統(tǒng)，論文提出的所有方法均以HVS為依據(jù)，按盡量符合人眼觀察信息時(shí)的生理特點(diǎn)而設(shè)計(jì)。1.1建立主觀評(píng)分?jǐn)?shù)據(jù)庫(kù)論文中選取10張?jiān)歼b感圖像，經(jīng)過(guò)4種失真方式處理，獲得了 240張待評(píng)價(jià)圖像。選擇3個(gè)專家人員以及15個(gè)非專家人員參加圖像主觀質(zhì)量評(píng)價(jià)。按照ITU-R BT.500-11中有所描述標(biāo)準(zhǔn)，評(píng)分系統(tǒng)采用雙刺激連續(xù)質(zhì)量測(cè)量法的設(shè)計(jì)，為評(píng)價(jià)人員展示圖像對(duì)。評(píng)分人員對(duì)圖像打分（百分制）。該過(guò)程工作量較大。1.2基于HVS和SSIM的遙感圖像全參考質(zhì)量評(píng)價(jià)方法該方法主要針對(duì)大部分圖像無(wú)法較準(zhǔn)確的評(píng)價(jià)包含嚴(yán)重失真的圖像的問(wèn)題而設(shè)計(jì)。具體實(shí)現(xiàn)的

20、過(guò)程如下，首先生成相應(yīng)的視覺(jué)感知圖，生成過(guò)程使用到圖像的空間域視覺(jué)特征(包括空間位置、紋理復(fù)雜度以及亮度對(duì)比度等)。其次生成失真感知圖，該圖可通過(guò)計(jì)算塊結(jié)構(gòu)相似度得到。接著通過(guò)視覺(jué)感知圖計(jì)算獲得相應(yīng)的視覺(jué)特征顯著區(qū)域，同時(shí)通過(guò)失真感知圖計(jì)算獲得相應(yīng)的失真嚴(yán)重區(qū)域，再進(jìn)而計(jì)算視覺(jué)注意焦點(diǎn)的轉(zhuǎn)移，要分別從視覺(jué)特征顯著因素與失真嚴(yán)重因素這兩個(gè)方面進(jìn)行考慮，分析該轉(zhuǎn)移影響了視覺(jué)感知的哪些方面,在考慮視覺(jué)注意焦點(diǎn)轉(zhuǎn)移的基礎(chǔ)之上，重新生成一幅視覺(jué)感知圖（焦點(diǎn)轉(zhuǎn)移后的）。最終圖像的客觀質(zhì)量可以通過(guò)將塊結(jié)構(gòu)相似度與兩幅視覺(jué)感知圖加權(quán)求和獲得。1.3基于HVS感興趣特性和對(duì)比度的遙感圖像無(wú)參考質(zhì)量評(píng)價(jià)方法實(shí)際為

21、在對(duì)比度計(jì)算時(shí)考慮視覺(jué)感興趣區(qū)域與背景區(qū)域權(quán)重系數(shù)，實(shí)現(xiàn)了一種基于HVS的感興趣特性和對(duì)比度的遙感圖像無(wú)參考質(zhì)量評(píng)價(jià)方法。通過(guò)計(jì)算圖像中感興趣區(qū)域與非感興趣區(qū)域的加權(quán)因子以及歸一化后的加權(quán)系數(shù)；計(jì)算出圖像的原始對(duì)比度值以及添加HVS特性之后的對(duì)比度值。所得結(jié)果作為評(píng)價(jià)標(biāo)準(zhǔn)。論文中實(shí)驗(yàn)結(jié)果為此方法計(jì)算結(jié)果表明添加了 HVS特性之后的對(duì)比度值與圖像的主觀評(píng)價(jià)值相關(guān)性和單調(diào)性都高于傳統(tǒng)方法。這就意味著，在添加了 HVS特性之后,圖像的評(píng)價(jià)值與其主觀評(píng)價(jià)值更為相似，即加入了 HVS特性之后的圖像評(píng)價(jià)值的結(jié)果更為符合人類在現(xiàn)實(shí)生活中對(duì)圖像所進(jìn)行的評(píng)價(jià)。1.4基于HVS掩蓋效應(yīng)和圖像模糊的遙感圖像無(wú)參考質(zhì)

22、量評(píng)價(jià)方法該方法以盲測(cè)量圖像模糊算法作為理論基礎(chǔ)，將HVS的空間復(fù)雜度掩蓋模型、亮度掩蓋模型引入到圖像質(zhì)量評(píng)價(jià)過(guò)程中，并對(duì)人眼灰度敏感度進(jìn)行建模，建模過(guò)程依據(jù)人類視覺(jué)系統(tǒng)對(duì)灰度具有差異的敏感性這一特性。實(shí)現(xiàn)了基于HVS和模糊的改進(jìn)的遙感圖像無(wú)參考質(zhì)量評(píng)價(jià)體系。該方法通過(guò)對(duì)圖像進(jìn)行掩蓋后確定圖像的邊緣，則使用邊緣檢測(cè)算子計(jì)算出邊緣結(jié)果，然后計(jì)算該邊緣點(diǎn)的灰度敏感度s（g），由s（g）求出所有邊緣點(diǎn)基于HVS的模糊度HB，取其最大結(jié)果作為該圖像的模糊度。論文中實(shí)驗(yàn)驗(yàn)證結(jié)果為：如表5.5，在第一組實(shí)驗(yàn)中,引入了 HVS的掩蓋特性的質(zhì)量評(píng)價(jià)結(jié)果(HB)與主觀評(píng)價(jià)結(jié)果的相關(guān)度：pearson相關(guān)系數(shù)為9

23、0.4%，spearman秩相關(guān)系數(shù)為90.7%，說(shuō)明本文的方法與主觀評(píng)價(jià)結(jié)果更加具有一致性。在第二組實(shí)驗(yàn)中，雖然三幅圖像均使用同樣的模糊半徑進(jìn)行模糊,但由于亮度不同，評(píng)價(jià)人員從視覺(jué)感知上對(duì)他們的打分顯然有所不同，而評(píng)分也反映出它們的質(zhì)量是依次下降的。對(duì)于原始的模糊度值(B)得出的評(píng)分確實(shí)完全相同的，根因也是其并未考慮人眼灰度敏感度特性的影響。根據(jù)評(píng)價(jià)分析可以看出，三幅圖像的基于HVS的掩蓋特性的質(zhì)量評(píng)價(jià)結(jié)果(HB)與主觀評(píng)價(jià)結(jié)果的相關(guān)度：pearson相關(guān)系數(shù)為94.1%，spearman秩相關(guān)系數(shù)高達(dá)95.1 %，表明本文方法所得到的模糊程度評(píng)價(jià)結(jié)果與主觀評(píng)價(jià)結(jié)果更加具有一致性。根據(jù)以上兩

24、組實(shí)驗(yàn)，可以推斷，引入了 HVS的掩蓋特性的質(zhì)量評(píng)價(jià)方法更加符合人眼的視覺(jué)特性。2基于模糊集理論的主客觀相結(jié)合評(píng)價(jià)方法模糊集合是將普通集合論中元素 x 對(duì)于集合 A 隸屬關(guān)系體征函數(shù)的取值范圍從0，1拓展到了0，1。從而導(dǎo)出了模糊集合(也稱模糊子集)的概念。檢測(cè)圖像質(zhì)量時(shí)選取若干個(gè)相應(yīng)參數(shù)，用這些參數(shù)確定圖像的模糊度，再將模糊度代入隸屬函數(shù)，確定圖像的質(zhì)量等級(jí)。2.1評(píng)價(jià)參數(shù)選取客觀質(zhì)量的評(píng)價(jià)的元素，應(yīng)該具備靠元素的一個(gè)數(shù)值便能在一定程度上說(shuō)明質(zhì)量的優(yōu)劣；數(shù)值的大小應(yīng)與質(zhì)量和分?jǐn)?shù)都應(yīng)呈線性關(guān)系（無(wú)論正反比），便于建立函數(shù)為宜。因此經(jīng)過(guò)分析，在客觀評(píng)價(jià)方面采用影像幾何精度、調(diào)制傳遞曲線、分辨率、

25、信噪比、元數(shù)據(jù)和說(shuō)明文件正確性以及完整性、為評(píng)價(jià)標(biāo)準(zhǔn)。評(píng)價(jià)是采用10分制模式。其中影（1）像幾何精度采用Kappa 度量模型，K臨 經(jīng)Kappa分析所得的圖像合格臨界值（2）調(diào)制傳遞曲線采用MTF 度量建模，（3）分辨率采用（4）信噪比（5）元數(shù)據(jù)和說(shuō)明文件正確性以及完整性另外再加一項(xiàng)（6）主觀因素這里采用傳統(tǒng)的描述方式，由專業(yè)人員先按五分制打分，再轉(zhuǎn)化成十分制，其標(biāo)項(xiàng)有：影像的清晰度、影像的色彩、影像的亮度、對(duì)比度以及色差、色斑等分別列表如下：具體得分細(xì)則如下：2.2建立基于模糊集的評(píng)分系統(tǒng)此論文運(yùn)用模糊集原理將遙感圖像質(zhì)量劃分為五大級(jí)，每一大級(jí)再細(xì)分為五級(jí)，共25級(jí)，并從整體，局部，特征三

26、方面評(píng)分：1、整體信噪度分辨率清晰度圖像精度2、局部局部信噪度局部分辨率局部清晰度局部精度3、特征說(shuō)明文件完整性元數(shù)據(jù)完整性元數(shù)據(jù)正確性主觀因素性評(píng)分項(xiàng)目列表如下：2.3評(píng)分并評(píng)級(jí)多位評(píng)分人員計(jì)算上述評(píng)分參數(shù)，建立評(píng)分矩陣，與對(duì)應(yīng)權(quán)重矩陣相乘，將結(jié)果代入對(duì)應(yīng)一級(jí)模糊度隸屬函數(shù)出區(qū)間值模糊綜合評(píng)判矩陣，計(jì)算最終模糊度。根據(jù)模糊度劃分一級(jí)，然后再代入二級(jí)模糊度評(píng)分函數(shù)，確定二級(jí)區(qū)間，劃分二級(jí)等級(jí)?；谀：脑u(píng)價(jià)方法步驟多，而且每個(gè)參數(shù)的計(jì)算量較大，由參數(shù)代入隸屬函數(shù)計(jì)算模糊度時(shí)也比較多，但結(jié)果精確。針對(duì)不同融合目的的圖像，應(yīng)選擇不同的模糊度評(píng)價(jià)參數(shù)，保證計(jì)算結(jié)果的合理性。3階段性與整體性圖像質(zhì)量控制方法這種質(zhì)量控制