[发明专利]一种卫星立体图像质量评价方法

摘要

本发明公开了一种卫星立体图像质量评价方法，其在训练阶段考虑了模糊和高斯噪声对失真卫星立体图像的检测准确度的影响，提取出失真卫星立体图像的结构特征矢量和纹理特征矢量构成特征矢量，然后利用支持向量回归对所有失真卫星立体图像的特征矢量进行训练，构造预测模型；在测试阶段，通过测试的失真卫星立体图像的特征矢量，并根据预测模型，预测得到测试的失真卫星立体图像的检测准确度，由于获得的特征矢量信息能较好地反映失真卫星立体图像的失真对检测准确度的变化情况，因此有效地提高了预测的检测准确度与真实的检测准确度之间的相关性，即能准确地自动评价失真卫星立体图像的质量，有效地提高了客观评价结果与主观感知之间的相关性。

主权项

1.一种卫星立体图像质量评价方法，其特征在于包括训练阶段和测试阶段两个过程；所述的训练阶段过程的具体步骤为：步骤①_1、选取N幅原始卫星立体图像及每幅原始卫星立体图像的数字表面模型(DSM)，将第u幅原始卫星立体图像记为M_u，将第u幅原始卫星立体图像的数字表面模型记为D_u；然后对每幅原始卫星立体图像进行L个不同等级的模糊失真，得到每幅原始卫星立体图像对应的L幅模糊失真的失真卫星立体图像；并对每幅原始卫星立体图像进行L个不同等级的高斯噪声失真，得到每幅原始卫星立体图像对应的L幅高斯噪声失真的失真卫星立体图像；再将每幅原始卫星立体图像对应的L幅模糊失真的失真卫星立体图像和L幅高斯噪声失真的失真卫星立体图像构成2L幅失真卫星立体图像，将第u幅原始卫星立体图像对应的第v幅失真卫星立体图像记为S_u,v；其中，N为正整数，N＞1，u为正整数，u的初始值为1，1≤u≤N，L为正整数，L＞1，v为正整数，v的初始值为1，1≤v≤2L，M_u、D_u和S_u,v的宽度均为W且高度均为H；步骤①_2、对每幅原始卫星立体图像进行角点检测，检测得到每幅原始卫星立体图像中的所有为角点的像素点；同样，对每幅原始卫星立体图像对应的各幅失真卫星立体图像进行角点检测，检测得到每幅原始卫星立体图像对应的各幅失真卫星立体图像中的所有为角点的像素点；步骤①_3、根据每幅原始卫星立体图像的数字表面模型，将每幅原始卫星立体图像中的每个角点判定为特征点或非特征点；同样，根据每幅原始卫星立体图像的数字表面模型，将每幅原始卫星立体图像对应的各幅失真卫星立体图像中的每个角点判定为特征点或非特征点；步骤①_4、根据每幅原始卫星立体图像中的所有特征点及每幅原始卫星立体图像对应的各幅失真卫星立体图像中的所有特征点，计算每幅原始卫星立体图像对应的各幅失真卫星立体图像的检测准确度，将S_u,v的检测准确度记为ρ_u,v；步骤①_5、将所有失真卫星立体图像及其检测准确度构成训练集，记为{S_v',ρ_v'|1≤v'≤N×2L}；其中，v'为正整数，v'的初始值为1，1≤v'≤N×2L，N×2L为失真卫星立体图像的总幅数，S_v'表示{S_v',ρ_v'|1≤v'≤N×2L}中的第v'幅失真卫星立体图像，ρ_v'表示{S_v',ρ_v'|1≤v'≤N×2L}中的第v'幅失真卫星立体图像的检测准确度；步骤①_6、计算{S_v',ρ_v'|1≤v'≤N×2L}中的每幅失真卫星立体图像的结构特征矢量，将S_v'的结构特征矢量记为其中，的维数为128×1；并计算{S_v',ρ_v'|1≤v'≤N×2L}中的每幅失真卫星立体图像的纹理特征矢量，将S_v'的纹理特征矢量记为其中，的维数为8×1；步骤①_7、将{S_v',ρ_v'|1≤v'≤N×2L}中的每幅失真卫星立体图像的结构特征矢量和纹理特征矢量排列构成{S_v',ρ_v'|1≤v'≤N×2L}中的每幅失真卫星立体图像的特征矢量，将S_v'的特征矢量记为F_v'，其中，符号“[]”为矢量表示符号，为的转置，为的转置，为的转置，F_v'的维数为136×1；步骤①_8、将{S_v',ρ_v'|1≤v'≤N×2L}中的所有失真卫星立体图像各自的特征矢量和检测准确度构成训练样本数据集合，训练样本数据集合中包含N×2L个特征矢量和N×2L个检测准确度；然后采用支持向量回归作为机器学习的方法，对训练样本数据集合中的所有特征矢量进行训练，使得经过训练得到的回归函数值与检测准确度之间的误差最小，拟合得到最优的权重矢量w^opt和最优的偏置项b^opt；接着利用最优的权重矢量w^opt和最优的偏置项b^opt，构造预测模型，记为f(F)，其中，f()为函数表示形式，F用于表示失真卫星立体图像的特征矢量，且作为预测模型的输入矢量，(w^opt)^T为w^opt的转置，为F的线性函数；所述的测试阶段过程的具体步骤为：步骤②_1、对于任意一幅用作测试的失真卫星立体图像，将其记为S_test；其中，S_test的宽度为W'且高度为H'；步骤②_2、按照步骤①_6的过程，以相同的操作，获取S_test的特征矢量，记为F_test；其中，F_test的维数为136×1；步骤②_3、利用训练阶段构造的预测模型f(F)对F_test进行测试，预测得到F_test对应的预测值，将该预测值作为S_test的检测准确度，记为ρ_test，其中，为F_test的线性函数。