[发明专利]基于模糊神经网络的融合图像质量综合评价方法

权利要求书

1.一种基于模糊神经网络的融合图像质量综合评价方法，包括下列步骤：

第一步：建立融合图像评价样本集，每组样本包括一幅融合图像的主观评价等级样本和对该幅融合图像进行客观评价所获得的两种或两种以上的客观评价指标样本；

第二步：建立基于模糊神经网络的融合图像质量评价模型，该模型依次分为输入层、条件层、规则层和输出层，以对融合图像的客观评价指标作为网络的输入层，将各个客观评价指标与表征图像融合效果的综合质量评价等级之间的关系通过高斯隶属度函数进行模糊化处理，对样本集用K-means方法进行聚类，聚类后的每个组对应一条规则，初始化模糊规则，并以隶属度作为条件层的输出，以评价指标权重作为条件层与规则层的连接权值，以评价向量作为规则层的输出，在输出层中，从评价向量中求取隶属度最大值所对应的等级，得到融合图像的综合质量评价等级；

第三步：采用如下的公式训练样本，以融合图像评价样本集的主观评价等级样本作为期望输出，计算误差，当误差大于或等于设定阈值时，调整参量继续网络学习，直至误差小于设定阈值，从而确定高斯隶属度函数的中心参数c，宽度σ以及条件层到规则层的指标权重W：cij(n+1)=cij(n)-η∂Ep(n)∂cij(n)+αΔc,]]>σij(n+1)=σij(n)-η∂Ep(n)∂σij(n)+αΔσ,]]>Wij(n+1)=Wij(n)-η∂Ep(n)∂Wij(n)+αΔW,]]>式中：η为学习速率；α为动量因子；Δc＝c_i(n)-c_i(n-1)；Δσ＝σ_i(n)-σ_i(n-1)；ΔW＝W_i(n)-W_i(n-1)；η(n+1)=1.05η(n)0.7η(n)η(n)]]>S_SE(n+1)＜S_SE(n)S_SE(n+1)＞1.04S_SE(n)；n为训练次数；S_SE(n)为第n次误差平方和，SSE=Σi=1k(yi-yi,)2;]]>其他

i＝1，2，…，k；y_i为学习样本的输出值；y_i’为网络训练后y_i的实际输出值；k为学习样本个数；

第四步：计算待评价的融合图像的客观评价指标，利用已经建立的融合图像质量评价模型，生成评价等级结果。