基于人眼视觉特性的融合图像感知清晰度评价方法

摘要

本发明涉及一种基于人眼视觉特性的彩色融合图像清晰度评价方法，属于图像处理中图像融合技术领域。本发明基于两方面主要的人眼视觉特性，即对比度敏感特性和亮度掩模特性，构造了人眼感知对比度模型，通过改进Peli对比度模型提出新的图像感知对比度算法，通过计算图像中细节边缘区域的人眼感知对比度来评价图像的感知清晰度，得到与人眼主观更加一致的图像清晰度客观评价模型。本方法主要用于衡量不同波段融合图像是否能满足特定的应用需求，即是否有利于观察者对图像场景内容的理解。

主权项

一种基于人眼视觉特性的融合图像感知清晰度评价方法，其特征在于，包括如下步骤：步骤一、设同一场景的两幅源图像分别为图像一S₁(x,y)和图像二S₂(x,y)，以及二者的融合图像为g(x,y)，(x,y)为图像中像素位置坐标，图像一S₁(x,y)和图像二S₂(x,y)尺寸一致，若融合后的图像为彩色图像，则将融合后的图像转换为灰度图像g(x,y)；步骤二、利用所述的图像一与图像二，计算该图像场景的人眼感兴趣区域ROI，方法如下：201、分别计算图像一的带通图像I_bp1(x,y)和图像二的带通图像I_bp2(x,y)，即：I_bp1(x,y)＝(φ₀‑φ₁)*S₁(x,y)I_bp2(x,y)＝(φ₀‑φ₁)*S₂(x,y)其中，“*”为卷积；φ_j为高斯核标准偏差σ_j＝2^j，j取0和1时，分别对应φ₀和φ₁；202、针对图像一的带通图像I_bp1(x,y)，利用最大类间方差法自动选取二值化阈值，进行二值化处理；针对图像二的带通图像I_bp2(x,y)，同样利用最大类间方差法自动选取二值化阈值，进行二值化处理，提取I_bp1(x,y)二值化图像矩阵和I_bp2(x,y)二值化图像矩阵中元素值为1的点的坐标组成集合，定义为该场景图像的人眼感兴趣区域ROI；步骤三、针对g(x,y)进行频域的CSF滤波和OE调制，得到人眼感知图像g'(x,y)；其中，CSF为人眼对比度敏感模型，OE为倾斜效应模型；步骤四、在人眼感兴趣区域ROI中，计算所述g'(x,y)对应的人眼感知对比度PC₀(x,y)之和，除以ROI的总像素数N_ROI，得到融合图像感知清晰度评价分数PS：$\mathrm{PS}=\frac{\underset{(x,y)\in \mathrm{ROI}}{\Sigma }{\mathrm{PC}}_0(x,y)}{N_{\mathrm{ROI}}}$其中，人眼感知对比度函数PC₀(x,y)为${\mathrm{PC}}_0(x,y)=\left\{\begin{array}{cc}\frac{({\phi }_0-{\phi }_1)*g^{\prime }(x,y)}{\mathrm{JND}\left(I\right)}& D_{\max }(x,y)\ge \mathrm{JND}\left(I\right)\\ 0& D_{\max }(x,y)<\mathrm{JND}\left(I\right)\end{array}\right.$其中，背景灰度I＝φ₁*g'(x,y)，JND为人类视觉感知模型，是通过人眼主观实验测量的不同灰度背景I下人眼恰可分辨差异，得到JND关于I的曲线；D_max(x,y)为图像g'(x,y)中像素位置(x,y)处加权平均灰度变化D_n(x,y)在四个方向掩膜下的最大值，n＝1,2,3,4；$D_{\max }(x,y)=\underset{n=\mathrm{1,2,3,4}}{\max }\left\{\right|D_n(x,y)\left|\right\}$$D_n(x,y)=\frac{1}{16}\underset{\alpha =1}{\overset{5}{\Sigma }}\underset{\beta =1}{\overset{5}{\Sigma }}{g}^{\prime }(x-3+\alpha ,y-3+\beta )W_n(\alpha ,\beta )$所述的四个方向掩膜W₁～W₄分别为：$\left[\begin{array}{ccccc}0& 1& 0& -1& 0\\ 0& 3& 0& -3& 0\\ 0& 8& 0& -8& 0\\ 0& 3& 0& -3& 0\\ 0& 1& 0& -1& 0\end{array}\right],\left[\begin{array}{ccccc}0& 0& 1& 0& 0\\ 0& 8& 3& 0& 0\\ 1& 3& 0& -3& -1\\ 0& 0& -3& -8& 0\\ 0& 0& -1& 0& 0\end{array}\right],$$\left[\begin{array}{ccccc}0& 0& 1& 0& 0\\ 0& 0& 3& 8& 0\\ -1& -3& 0& 3& 1\\ 0& -8& -3& 0& 0\\ 0& 0& -1& 0& 0\end{array}\right],\left[\begin{array}{ccccc}0& 0& 0& 0& 0\\ 1& 3& 8& 3& 1\\ 0& 0& 0& 0& 0\\ -1& -3& -8& -3& -1\\ 0& 0& 0& 0& 0\end{array}\right],$α、β分别表示某个方向掩膜W_n的行和列；ROI中PC₀越大则PS值越大，表示感知对比度越大，图像清晰度越好。