[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

说明书

技术领域

本发明涉及图像处理中的图像融合技术领域，涉及一种融合图像质量评价方法。

背景技术

作为一门新兴的学科门类，图像融合技术以其突出的探测优越性，已在军事、医学、遥感等诸多方面得到了极其广泛的应用，图像融合算法也进入了较为成熟的阶段。然而，与融合算法本身的成熟度相比，对融合图像质量的评价尚存在很大的局限性。

目前，对融合图像的评价包括主观评价和客观评价。前者依靠观察者的主观感觉，但评价的结论会随观察者的兴趣以及应用领域和场合的要求不同而不同；后者常根据某些可计算的指标来判断，不需要人为参与，但指标种类众多，如熵、交叉熵、互信息、平均梯度、空间频率等，每种指标只能反映图像融合某一方面特性，难以做到综合评价。因此，寻求一种既包含人眼主观评价结论，又能体现客观评价定量特征的融合图像质量综合评价标准是十分必要的。

发明内容

本发明的目的在于克服现有技术的上述不足，建立一种融合图像质量综合评价方法。具体来说，就是将多种图像融合客观评价指标与人眼主观结论相结合，对图像融合所得图像的质量做出全面、准确的综合评价。

本发明是通过下述技术方案实现的：

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；n为训练次数；S_SE(n)为第n次误差平方和，SSE=Σi=1k(yi-yi,)2;]]>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；