[发明专利]一种基于多模型融合的彩色融合图像质量评价方法

说明书

本发明设计了一种基于多模型融合的彩色融合图像质量评价方法，涉及图像评价技术领域。该方法包括利用LDA主题模型提取彩色融合图像的颜色整体特征；将彩色融合图像平均分割成小块图像，剔除含有热目标的小块图像；引入记忆色对小块图像的质量进行评价；将小块图像输入卷积神经网络；将颜色整体特征向量连接至卷积层学习到的特征向量后生成新的特征向量代入全连接层进行训练；得到一幅彩色融合图像的所有小块图像的质量分数之后进行平均池化，最终输出此幅彩色融合图像的质量分数。本发明无需大量数据，可以快速准确的评价彩色融合图像质量。

技术领域

本发明涉及图像评价技术领域，尤其涉及一种基于多模型融合的彩色融合图像质量评价方法。

背景技术

可见光(微光)与红外彩色融合技术旨在用一张融合图像尽可能多的去表达多幅可见光图像和红外图像的信息，帮助观察者更快更准确的理解目标，在战场昼夜侦查、车辆夜间驾驶、安全监控等方面发挥着重要作用，然而不同的融合方法产生的融合图像效果是不同的，如何客观的对彩色融合图像质量进行评价成为一个亟待解决的问题。近年来，已经提出了许多方法对彩色融合图像的质量进行评估，这些方法主要分为三类：全参考方法、半参考方法和无参考方法。全参考方法通过对比待评价图像和参考图像的特征信息差异来对图像进行评价，半参考方法也要求有参考信息可以学习，而一般选取真彩色图像作为参考图像，但是在实际中，往往无法获得同一场景的彩色参考图像。无参考方法可以根据彩色融合图像本身的信息对图像质量进行评价，因此得到了广泛的认可和研究。但是由于彩色融合图像的无结构性、数据不足等问题，无参考方法往往难以取得理想的结果。

发明内容

针对现有技术中的不足，本发明的目的是提供一种基于多模型融合的彩色融合图像质量评价方法。

为了达到上述发明目的，本发明采用的技术方案为：

一种基于多模型融合的彩色融合图像质量评价方法，具体步骤如下：

步骤一、将彩色融合图像数据集随机分为训练集和测试集；

步骤二、利用LDA主题模型提取彩色融合图像的颜色整体特征；

步骤三、将彩色融合图像平均分割成小块图像，剔除含有热目标的小块图像；

步骤四、引入记忆色对小块图像的质量进行评价；

步骤五、将小块图像和颜色整体特征分别输入卷积神经网络模型进行训练，输出为小块图像的质量分数；

步骤六、得到彩色融合图像的所有小块图像的质量分数之后进行平均池化，最终输出此幅彩色融合图像的质量分数。

优选地，所述训练集和测试集中的图像数量占图像总数的百分比分别为80％和20％。

优选地，所述利用LDA主题模型提取彩色融合图像的颜色整体特征包括：

将彩色融合图像中的热目标进行标记，仅使用图像背景像素进行计算；

扫描彩色融合图像背景的每个像素点，将每个色标进行量化，生成量化后的颜色词，公式如下：

其中，(R，G，B)为图像的色标值，表示向下取整。

通过扫描量化后的颜色词生成规范化的颜色词库，通过规范化的颜色词库得到图像-颜色词矩阵和颜色词汇表；

设定LDA主题模型颜色主题数量为K，对每个颜色主题k(k∈{1,2，…，K})计算一个多项式颜色主题分布其中Dir()代表狄利克雷分布，B代表狄利克雷参数；

生成一个颜色主题矩阵其中，矩阵大小为V×K，V代表颜色词数量，矩阵元素表示给定主题k中颜色词v的概率；

计算彩色融合图像i的颜色主题分布其中代表狄利克雷参数，代表融合图像i中主题k的概率；