[發明專利]基于模糊神經網絡的融合圖像質量綜合評價方法

無效

• 申請號: 200810054030.5
• 申請日: 2008-08-01
• 公開（公告）號: CN101334893A
• 公開（公告）日: 2008-12-31
• 發明（設計）人: 宋樂;林玉池;趙美蓉;齊永岳;黃銀國
• 申請（專利權）人: 天津大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 天津市北洋有限責任專利代理事務所
• 代理人: 江鎮華

1.一種基于模糊神經網絡的融合圖像質量綜合評價方法，包括下列步驟：

第一步：建立融合圖像評價樣本集，每組樣本包括一幅融合圖像的主觀評價等級樣本和對該幅融合圖像進行客觀評價所獲得的兩種或兩種以上的客觀評價指標樣本；

第二步：建立基于模糊神經網絡的融合圖像質量評價模型，該模型依次分為輸入層、條件層、規則層和輸出層，以對融合圖像的客觀評價指標作為網絡的輸入層，將各個客觀評價指標與表征圖像融合效果的綜合質量評價等級之間的關系通過高斯隸屬度函數進行模糊化處理，對樣本集用K-means方法進行聚類，聚類后的每個組對應一條規則，初始化模糊規則，并以隸屬度作為條件層的輸出，以評價指標權重作為條件層與規則層的連接權值，以評價向量作為規則層的輸出，在輸出層中，從評價向量中求取隸屬度最大值所對應的等級，得到融合圖像的綜合質量評價等級；

第三步：采用如下的公式訓練樣本，以融合圖像評價樣本集的主觀評價等級樣本作為期望輸出，計算誤差，當誤差大于或等于設定閾值時，調整參量繼續網絡學習，直至誤差小于設定閾值，從而確定高斯隸屬度函數的中心參數c，寬度σ以及條件層到規則層的指標權重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為學習速率；α為動量因子；Δc＝c_i(n)-c_i(n-1)；Δσ＝σ_i(n)-σ_i(n-1)；ΔW＝W_i(n)-W_i(n-1)；η(n+1)=1.05η(n)0.7η(n)η(n)]]>S_SE(n+1)＜S_SE(n)S_SE(n+1)＞1.04S_SE(n)；n為訓練次數；S_SE(n)為第n次誤差平方和，SSE=Σi=1k(yi-yi,)2;]]>其他

i＝1，2，…，k；y_i為學習樣本的輸出值；y_i’為網絡訓練后y_i的實際輸出值；k為學習樣本個數；

第四步：計算待評價的融合圖像的客觀評價指標，利用已經建立的融合圖像質量評價模型，生成評價等級結果。