[发明专利]一种综合的多曝光高动态图像重建效果评价方法

说明书

技术领域

本发明涉及图像处理技术领域，特别是涉及一种综合的多曝光高动态图像重建效果评价方法。

背景技术

传统的图像质量评价方法可分为主观评价方法和客观评价方法。最直观的评估融合效果的方法就是主观测试，因为对于图像融合而言，人是融合结果的最终评测者，所有评估方法给出的评估结果都希望与人的视觉感受尽可能一致。Petrovi等人就用主观测试的方法评估融合结果的好坏。主观测试虽然简单、直接，但其也有诸多不足之处，例如耗时、昂贵、不能量化和优选某些融合系数，此外，主观测试容易受到人的视觉特性以及心理状态的影响。同时，不同应用场合的图像融合要求主观评价者具备一定的专业知识。相对于主观质量评价，客观质量评价具有成本低、操作简单、方便快捷、易于解析和嵌入实现等优点。图像质量客观评价方法有：基于统计特性的客观评价，如标准差、均值、均方差、偏差度、协方差；基于图像信息量的客观评价，如熵、交叉熵、联合熵、交互信息量；基于图像信噪比的评价，如峰值信噪比；基于图像梯度大小的评价，如空间频率和图像清晰度；基于模糊积分的图像评价以及小波能量的评价。然而以上客观评价也存在不足：1)已有的一些融合评价指标均为单因素评价，仅针对融合图像某一特征，缺少全局概念；2)很多指标的计算都需要理想图像，而在实际的图像融合应用问题中，往往无法获得理想图像；3)仅局限于图像本身，没有引入人类先验知识，导致评价结果和实际融合效果不一致。

基于SSIM的融合图像质量评价，引入结构相似性度量(Structural Similarity Index Metric，SSIM)理论。自主式融合图像质量评价，模拟人类视觉感知系统。基于质量因子的融合图像质量评价优化了加权策略，但以上评价方法主要考虑融合结果图像自身质量，没有考虑原多曝光图像与最终融合图像的互补信息和共有信息，无法区分针对特定评价指标是否做了特意伪造或篡改结果。对比排序的综合评价的方法，主要针对多聚焦图像融合效果，但没有给出隶属度和权值的方法依据，而综合评价中隶属度和权值的确定是评价结果正确与否的关键。

发明内容

本发明实施例提供了一种综合的多曝光高动态图像重建效果评价方法，可以解决现有技术中存在的问题。

本发明提供了一种综合的多曝光高动态图像重建效果评价方法，该方法包括以下步骤：

确定单因素评价指标，并计算每个指标，将计算得到的结果组成评价指标集X，X＝{x₁,x₂,...,x_i,...,x_n}为图像中的n个单因素评价指标；

获得融合结果集S，S＝{s₁,s₂,...,s_j,...,s_m}为m种融合算法的融合结果；

计算单因素评价指标的评价矩阵R：首先计算单因素评价f:

然后通过映射f诱导出模糊关系即R_f(x_i,s_j)＝f(x_i)(s_j)＝r_ij，模糊关系R_f由模糊矩阵R∈u_n×m得到，称R为单个评价指标的评价矩阵，接着通过模糊关系R导出X到S的模糊线性变换T_f；

通过权重集C和评价矩阵R计算综合评价D：权重集C通过判断矩阵分析法确定，m个融合结果对应的综合评价是集合S的一个模糊子集：D＝(d₁,d₂,...,d_j,...,d_m)∈T(S)，其中d_j表示第j个融合结果s_j在最终评价结果中所处的地位，即s_j相对于模糊集D的隶属度：D(s_j)＝d_j，评价结果D的值是X的模糊子集C＝(c₁,c₂,...,c_i,...,c_n)∈T(X)，且其中c_i代表因素i的权重，采用max-min合成运算，得到综合评价D：