專利名稱：一種圖像融合質量評估方法和系統(tǒng)的制作方法
技術領域：
本發(fā)明涉及計算機視覺領域，尤其涉及圖像融合領域，具體地說，是涉及一種基于顯著性分析的多源圖像融合質量評估方法和系統(tǒng)。
背景技術：
信息融合理論和技術正成為信息和信號處理領域中的研究熱點，而圖像融合作為信息融合的一個重要領域，已經廣泛應用于遙感、計算機視覺、醫(yī)學、軍事目標探測和識別等領域，所謂圖像融合是指綜合兩個或多個源圖像的信息，以獲取對同一場景的更為精確、 全面、可靠的圖像描述。為了比較不同的融合方案或者改善某種融合算法，需要對融合性能進行評估。其中包括主觀或者客觀的評估準則。由于基于人類感知的主觀評估，主要是由人親自來完成的，因此會帶來成本上的昂貴以及使用上的不便等問題。在圖像質量評估中的客觀評估，一般會依據(jù)事先選定的理想數(shù)據(jù)參照比較，然而一般的理想數(shù)據(jù)又不易得到。所以在圖像融合評估算法中，許多客觀的評估指標都是以源圖像作為參照進行融合性能評估。目前基于源圖像的客觀評估，主要包括兩個步驟首先是參照一個源圖像的融合圖像質量評價(簡寫為FIQR0)；然后綜合不同源圖像的多個測量值，獲得最終的圖像融合質量(簡寫為FIFQ)。對于FIQR0，一些指標主要集中在信號保真度的評估上，例如相關信息熵、交互信息等。其中，學者Xydeas和Petrovi0選擇邊緣特征作為重要信息進行視覺質量評估。受結構相似度(SSIM)的啟發(fā)，很多研究者基于該指標提出了一系列評估方法，例如從局部特性上考慮SSIM，或者從區(qū)域角度計算SSIM。這些FIQRO評估都是基于圖像灰度值的分布或者局部特征計算獲得，然后通過簡單的加權平均獲得最終的FIFQ結果。從人類視覺系統(tǒng)(HVQ角度看，這些灰度值的分布或者局部特征并不能反映人眼的選擇注意力。 同時對多個FIQRO進行簡單的算術組合最終獲得的FIFQ不能對極端融合結果有所體現(xiàn)，比如說最終的融合圖像更趨向于多源中的某一個時，采用加權算法得到的FIFQ就不能體現(xiàn)出該融合結果的質量劣勢。對于觀察者而言，并不是所有的外界信息都能引起他們的注意。人類視覺系統(tǒng)針對特定的任務，采取一系列計算策略，選定某個特定的興趣區(qū)域，通過快速眼部掃描運動， 將目標區(qū)域移動到視網膜的中央凹凸，從而對該區(qū)域進行更細致的觀察?；谝曈X心理學研究的選擇注意機制已經成為人類選擇特定興趣區(qū)域的一個關鍵技術。綜上所述，現(xiàn)有技術中尚沒一種基于人眼注意機制的多源圖像融合性能評估方法。

發(fā)明內容
本發(fā)明的目的在于提出基于顯著性分析的結構相似度的融合性能評估方法，以根據(jù)人眼視覺注意機制來評估圖像融合的質量。
為了解決上述技術問題，本發(fā)明提供了一種融合圖像的性能評估方法，其特征在于，包括以下步驟區(qū)域劃分步驟，對融合圖像的各個源圖像進行顯著區(qū)域和非顯著區(qū)域的劃分；相似度計算步驟，針對所述各個源圖像中的每個源圖像，計算所述融合圖像與源圖像的所述顯著區(qū)域之間的結構相似度值以及所述融合圖像與該源圖像的非顯著區(qū)域之間的結構相似度值；評價值計算步驟，針對所述各個源圖像中的每個源圖像，根據(jù)源圖像的所述顯著區(qū)域的結構相似度值和所述非顯著區(qū)域的結構相似度值，計算所述融合圖像與該源圖像之間的融合圖像質量評價值FIQRO ；質量評估步驟，基于所述評價計算步驟計算得出的所述各個源圖像的所述融合圖像質量評價值FIQR0，計算圖像融合質量評估值FIFQ。進一步，該方法還包括在所述區(qū)域劃分步驟中，預先設定一個顯著性閾值，計算源圖像中各像素點的顯著性值，將顯著性值大于所述閾值的像素點劃分到顯著區(qū)域中，將顯著性值小于所述閾值的像素劃分到非顯著區(qū)域中。進一步，該方法還包括通過像素點周圍的鄰域塊代表該像素點，然后根據(jù)該鄰域塊與其余塊的相異程度比較來得出該像素點的顯著性值。進一步，該方法還包括在所述相似度計算步驟中，先對各個源圖像與融合圖像進行全圖的結構相似度計算，獲得一個與源圖像大小一樣的結構相似度圖，其中每個點代表以該點為中心的鄰域區(qū)域的結構相似度，參照源圖像中的顯著區(qū)域和非顯著區(qū)域的劃分， 取結構相似度圖中對應于的顯著區(qū)域或非顯著區(qū)域中的點求均值，作為顯著區(qū)域或者非顯著區(qū)域的結構相似度值。進一步，該方法還包括所述評價值計算步驟中，融合圖像質量評價值FIQRO的計算公式為FIQRO(Xi5F) = [Sssim(Xi, F) ] α · [LSSIM(Xi; F) ]0,其中，F(xiàn)IQRO(XyF)為參照源圖像&的融合圖像質量評價值，Sssim(Xi, F)為源圖像 Xi的顯著區(qū)域對應的融合結構相似度，LSSIM(Xi，F(xiàn))為源圖像&的非顯著區(qū)域對應的融合結構相似度，參數(shù)α和β為重要性參數(shù)，α > β >0，且α+β =1。進一步，該方法還包括在所述質量評估步驟中，將關于各個源圖像的所述融合圖像質量評價值作為多維坐標點，計算所述多維坐標點與預先設置的理想多維對比點之間的歐式距離值，根據(jù)所述歐式距離值得出圖像融合質量評估值FIFQ。進一步，該方法還包括在所述質量評估步驟中，所述圖像融合質量評估值FIFQ
的具體計算公式為
權利要求
1.一種融合圖像的性能評估方法，其特征在于，包括以下步驟區(qū)域劃分步驟，對融合圖像的各個源圖像進行顯著區(qū)域和非顯著區(qū)域的劃分；相似度計算步驟，針對所述各個源圖像中的每個源圖像，計算所述融合圖像與源圖像的所述顯著區(qū)域之間的結構相似度值以及所述融合圖像與該源圖像的非顯著區(qū)域之間的結構相似度值；評價值計算步驟，針對所述各個源圖像中的每個源圖像，根據(jù)源圖像的所述顯著區(qū)域的結構相似度值和所述非顯著區(qū)域的結構相似度值，計算所述融合圖像與該源圖像之間的融合圖像質量評價值FIQRO ；質量評估步驟，基于所述評價計算步驟計算得出的所述各個源圖像的所述融合圖像質量評價值FIQR0，計算圖像融合質量評估值FIFQ。
2.根據(jù)權利要求1所述的方法，其特征在于，在所述區(qū)域劃分步驟中，預先設定一個顯著性閾值，計算源圖像中各像素點的顯著性值，將顯著性值大于所述閾值的像素點劃分到顯著區(qū)域中，將顯著性值小于所述閾值的像素劃分到非顯著區(qū)域中。
3.根據(jù)權利要求2所述的方法，其特征在于，通過像素點周圍的鄰域塊代表該像素點， 然后根據(jù)該鄰域塊與其余塊的相異程度比較來得出該像素點的顯著性值。
4.根據(jù)權利要求1所述的方法，其特征在于，在所述相似度計算步驟中，先對各個源圖像與融合圖像進行全圖的結構相似度計算，獲得一個與源圖像大小一樣的結構相似度圖， 其中每個點代表以該點為中心的鄰域區(qū)域的結構相似度，參照源圖像中的顯著區(qū)域和非顯著區(qū)域的劃分，取結構相似度圖中對應于的顯著區(qū)域或非顯著區(qū)域中的點求均值，作為顯著區(qū)域或者非顯著區(qū)域的結構相似度值。
5.根據(jù)權利要求1所述的方法，其特征在于，所述評價值計算步驟中，融合圖像質量評價值FIQRO的計算公式為FIQRO(Xi5F) = [Sssim(XpF) Γ · [LSSIM(Xi; F) ]0,其中，F(xiàn)IQRO(XyF)為參照源圖像&的融合圖像質量評價值，Sssim(LF)為源圖像&的顯著區(qū)域對應的融合結構相似度，Lssim(Xi, F)為源圖像\的非顯著區(qū)域對應的融合結構相似度，參數(shù)α和β為重要性參數(shù)，α > β >0，且α+β = 1。
6.根據(jù)權利要求1至5任一項所述的方法，其特征在于，在所述質量評估步驟中，將關于各個源圖像的所述融合圖像質量評價值作為多維坐標點，計算所述多維坐標點與預先設置的理想多維對比點之間的歐式距離值，根據(jù)所述歐式距離值得出圖像融合質量評估值 FIFQ0
7.根據(jù)權利要求6所述的方法，其特征在于，在所述質量評估步驟中，所述圖像融合質量評估值FIFQ的具體計算公式為Ji^1 -FIQROiX1,F)f ^ Ji^1 -FIQRO(X1)Fyf -^-"xFIFOiX, D = I--^-FIFQiX，F(xiàn)) = M-r- FIFQ(X,F) =^Jn^jn其中，F(xiàn)IFQ(X，F(xiàn))為融合圖像F的圖像融合質量評估值，F(xiàn)IQRO(XyF)為參照源圖像&的融合圖像質量評價值，η為源圖像的個數(shù)，a,為理想多維對比點的坐標值。
8.根據(jù)權利要求7所述的方法，其特征在于，所述理想多維對比點的坐標值均為1。
9.一種圖像融合質量評估系統(tǒng)，其特征在于，包括以下單元區(qū)域劃分單元，其對融合圖像的各個源圖像進行顯著區(qū)域和非顯著區(qū)域的劃分； 相似度計算單元，其針對所述各個源圖像中的每個源圖像，計算所述融合圖像與源圖像的所述顯著區(qū)域之間的結構相似度值以及所述融合圖像與該源圖像的非顯著區(qū)域之間的結構相似度值；評價值計算單元，其針對所述各個源圖像中的每個源圖像，根據(jù)源圖像的所述顯著區(qū)域的結構相似度值和所述非顯著區(qū)域的結構相似度值，計算所述融合圖像與該源圖像之間的融合圖像質量評價值FIQRO ；質量評估單元，其基于所述評價計算單元計算得出的所述各個源圖像的所述融合圖像質量評價值FIQR0，計算圖像融合質量評估值FIFQ。
全文摘要
本發(fā)明公開了一種融合圖像的性能評估方法和系統(tǒng)，所述方法包括以下步驟區(qū)域劃分步驟，對各個源圖像進行顯著區(qū)域和非顯著區(qū)域的劃分；相似度計算步驟，計算所述融合圖像與源圖像的所述顯著區(qū)域之間的結構相似度值以及所述融合圖像與該源圖像的非顯著區(qū)域之間的結構相似度值；評價值計算步驟，根據(jù)源圖像的所述顯著區(qū)域的結構相似度值和所述非顯著區(qū)域的結構相似度值，計算所述融合圖像與該源圖像之間的融合圖像質量評價值FIQRO；質量評估步驟，基于所述評價計算步驟計算得出的所述各個源圖像的所述融合圖像質量評價值FIQRO，計算圖像融合質量評估值FIFQ。本發(fā)明使評估結果能夠基于人眼視覺注意機制，與人眼評價更具一致性，評估結果更為真實、準確。
文檔編號G06T7/00GK102289808SQ20111020680
公開日2011年12月21日 申請日期2011年7月22日 優(yōu)先權日2011年7月22日
發(fā)明者戴瓊海, 羅曉燕 申請人:北京航空航天大學, 清華大學