发明名称 一种快速数字成像模糊鉴别与复原图像质量评估方法
摘要 一种快速数字成像模糊鉴别与复原图像质量评估方法,本发明涉及模糊鉴别与复原图像质量评估方法。本发明是要解决现有方法实时性能差,不能对模糊图像和清晰图像进行有效鉴别,不能对图像复原结果进行有效评价,模糊复原处理后输出结果不稳定的问题,该方法是通过1获得梯度图像G(i,j);2计算平均灰度梯度值;3获得梯度图像的统计分布信息;4对BIM进行阈值判定;5得到复原图像;6生成参考图像F1和D1;7计算参考图像和待评价图像的亮度相似度、对比度相似度和结构相似度;8计算g(F(i,j),F1)和g(D(i,j),D1);9得到无参考图像评价指标;10对无参考图像评价指标进行判断;等步骤实现的。本发明应用于模糊鉴别与复原图像质量评估领域。
申请公布号 CN104408707B 申请公布日期 2017.04.19
申请号 CN201410592425.6 申请日期 2014.10.28
申请人 哈尔滨工业大学 发明人 遆晓光;尹磊
分类号 G06T7/00(2017.01)I;G06T5/40(2006.01)I 主分类号 G06T7/00(2017.01)I
代理机构 哈尔滨市松花江专利商标事务所 23109 代理人 杨立超
主权项 一种快速数字成像模糊鉴别与复原图像质量评估方法,其特征在于:一种快速数字成像模糊鉴别与复原图像质量评估方法具体是按以下步骤进行的:步骤一:输入灰度模糊图像F(i,j),获得灰度模糊图像F(i,j)的尺寸M×N,计算灰度模糊图像F(i,j)的水平梯度图像G<sub>x</sub>(i,j)和垂直梯度图像G<sub>y</sub>(i,j),从而获得梯度图像G(i,j);其中,M为灰度模糊图像F(i,j)的宽度,N为灰度模糊图像F(i,j)的高度;步骤二:计算灰度模糊图像F(i,j)的平均灰度梯度值GMG;步骤三:计算梯度图像G(i,j)的直方图h,通过对直方图h进行遍历,获得梯度图像G(i,j)的非零灰度等级数NGN;步骤四:根据步骤二及步骤三得到的GMG和NGN进行乘积运算,得到综合的模糊鉴别指标BIM;对得到的BIM进行阈值判定,如果BIM大于预定的阈值T,则判定为清晰图像直接输出;如果BIM小于预定的阈值T,则将F(i,j)转入步骤五;其中,阈值T根据对清晰图像和模糊图像统计分析得到;步骤五:对灰度模糊图像F(i,j)采用典型的图像盲复原算法进行复原操作,得到复原图像D(i,j);步骤六:使用大小为m×m,方差为σ<sup>2</sup>的高斯模糊核对灰度模糊图像F(i,j)和复原图像D(i,j)进行二次模糊生成F(i,j)的参考图像F1和D(i,j)的参考图像D1;其中,二次模糊使用高斯模糊,m为模糊核的尺寸;步骤七:根据F(i,j)、F1、D(i,j)和D1计算参考图像和待评价图像的亮度相似度、对比度相似度和结构相似度;其中,待评价图像为灰度模糊图像F(i,j)和复原图像D(i,j);参考图像为F1和D1;参考图像和待评价图像的亮度相似度包括l(F(i,j),F1)和l(D(i,j),D1);参考图像和待评价图像的对比度相似度c(F(i,j),F1)和c(D(i,j),D1);参考图像和待评价图像的结构相似度s(F(i,j),F1)和s(D(i,j),D1);l(F(i,j),F1)为两幅图像F(i,j)和F1的亮度相似度、l(D(i,j),D1)为两幅图像D(i,j)和D1的亮度相似度、c(F(i,j),F1)为两幅图像F(i,j)和F1的对比度相似度;c(D(i,j),D1)为两幅图像D(i,j)和D1的对比度相似度;s(F(i,j),F1)为两幅图像F(i,j)和F1的结构相似度;s(D(i,j),D1)为两幅图像D(i,j)和D1的结构相似度;步骤八:分别计算参考图像和待评价图像的梯度图像g<sub>F</sub>,g<sub>F1</sub>,g<sub>D</sub>,g<sub>D1</sub>,利用梯度图像g<sub>F</sub>,g<sub>F1</sub>,g<sub>D</sub>,g<sub>D1</sub>分别计算两幅图像F(i,j)和F1的梯度相似度g(F(i,j),F1)以及两幅图像D(i,j)和D1的梯度相似度g(D(i,j),D1);其中,g<sub>F</sub>为F(i,j)的梯度图像,g<sub>F1</sub>为F1的梯度图像,g<sub>D</sub>为D(i,j)的梯度图像;g<sub>D1</sub>为D1的梯度图像;g(F(i,j),F1)为两幅图像F(i,j)和F1梯度相似度;g(D(i,j),D1)为两幅图像D(i,j)和D1的梯度相似度;步骤九:根据参考图像和待评价图像的亮度相似度、对比度相似度、结构相似度和梯度相似度计算改进的结构相似度指标ISSIM,将改进的结构相似度指标ISSIM分块求得M1个ISSIM指标再取其平均值得到MISSIM,根据MISSIM计算得到无参考图像评价指标INRSS1和INRSS2;其中,得到的MISSIM具体包括MISSIM(F(i,j),F1)和MISSIM(D(i,j),D1);改进的结构相似度指标ISSIM包括两幅图像F(i,j)和F1的梯度相似度指标ISSIM(F(i,j),F1)和两幅图像D(i,j)和D1的梯度相似度指标ISSIM(D(i,j),D1);所述的改进的结构相似度指标ISSIM的计算公式为:<maths num="0001"><math><![CDATA[<mrow><mtable><mtr><mtd><mrow><mi>I</mi><mi>S</mi><mi>S</mi><mi>I</mi><mi>M</mi><mrow><mo>(</mo><mi>F</mi><mo>(</mo><mrow><mi>i</mi><mo>,</mo><mi>j</mi></mrow><mo>)</mo><mo>,</mo><mi>F</mi><mn>1</mn><mo>)</mo></mrow><mo>=</mo><msup><mrow><mo>&lsqb;</mo><mi>l</mi><mrow><mo>(</mo><mi>F</mi><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>,</mo><mi>F</mi><mn>1</mn><mo>)</mo><mo>&rsqb;</mo></mrow><mi>&alpha;</mi></msup><msup><mrow><mo>&lsqb;</mo><mi>c</mi><mrow><mo>(</mo><mi>F</mi><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>,</mo><mi>F</mi><mn>1</mn><mo>)</mo><mo>&rsqb;</mo></mrow><mi>&beta;</mi></msup><msup><mrow><mo>&lsqb;</mo><mi>s</mi><mrow><mo>(</mo><mi>F</mi><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>,</mo><mi>F</mi><mn>1</mn><mo>)</mo><mo>&rsqb;</mo></mrow><mi>&gamma;</mi></msup><msup><mrow><mo>&lsqb;</mo><mi>g</mi><mrow><mo>(</mo><mi>F</mi><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>,</mo><mi>F</mi><mn>1</mn><mo>)</mo><mo>&rsqb;</mo></mrow><mi>&lambda;</mi></msup></mrow></mtd></mtr><mtr><mtd><mrow><mi>I</mi><mi>S</mi><mi>S</mi><mi>I</mi><mi>M</mi><mrow><mo>(</mo><mi>D</mi><mo>(</mo><mrow><mi>i</mi><mo>,</mo><mi>j</mi></mrow><mo>)</mo><mo>,</mo><mi>D</mi><mn>1</mn><mo>)</mo></mrow><mo>=</mo><msup><mrow><mo>&lsqb;</mo><mi>l</mi><mrow><mo>(</mo><mi>D</mi><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>,</mo><mi>D</mi><mn>1</mn><mo>)</mo><mo>&rsqb;</mo></mrow><mi>&alpha;</mi></msup><msup><mrow><mo>&lsqb;</mo><mi>c</mi><mrow><mo>(</mo><mi>D</mi><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>,</mo><mi>D</mi><mn>1</mn><mo>)</mo><mo>&rsqb;</mo></mrow><mi>&beta;</mi></msup><msup><mrow><mo>&lsqb;</mo><mi>s</mi><mrow><mo>(</mo><mi>D</mi><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>,</mo><mi>D</mi><mn>1</mn><mo>)</mo><mo>&rsqb;</mo></mrow><mi>&gamma;</mi></msup><msup><mrow><mo>&lsqb;</mo><mi>g</mi><mrow><mo>(</mo><mi>D</mi><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>,</mo><mi>D</mi><mn>1</mn><mo>)</mo><mo>&rsqb;</mo></mrow><mi>&lambda;</mi></msup></mrow></mtd></mtr></mtable><mo>;</mo></mrow>]]></math><img file="FDA0001223616610000021.GIF" wi="1780" he="151" /></maths>其中,α,β,γ,λ为各项权重;步骤十:根据步骤九得到的无参考图像评价指标INRSS1和INRSS2进行判断,INRSS1&gt;INRSS2则说明质量没有改善,则模糊复原系统输出灰度模糊图像F(i,j),否则说明图像质量得到改善输出复原图像D(i,j);其中,<img file="FDA0001223616610000022.GIF" wi="701" he="135" />即完成了一种快速数字成像模糊鉴别与复原图像质量评估方法。
地址 150001 黑龙江省哈尔滨市南岗区西大直街92号