[發明專利]判斷去霧增強圖像質量效果的方法

有效

• 申請號: 200910085783.7
• 申請日: 2009-05-31
• 公開（公告）號: CN101901482A
• 公開（公告）日: 2010-12-01
• 發明（設計）人: 黃磊;劉昌平;姚波
• 申請（專利權）人: 漢王科技股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/40;G06T5/00
• 代理公司: 北京瑞盟知識產權代理有限公司 11300
• 代理人: 王友彭;王玉華

技術領域

本發明屬于圖像處理技術領域，涉及一種判斷去霧增強圖像質量效果的方法。

背景技術

由于雨霧等惡劣天氣或采集設備自身參數的影響，采集到的圖像或視頻經常受到不同程度的霧化干擾，甚至嚴重影響圖像的視覺效果和后期處理。有很多學者對圖像的去霧增強進行了研究。在論證去霧增強方法的可行性和有效性時，通常是給出去霧增強前后的部分試驗樣本，然后簡單的比較這些樣本的主觀視覺效果，而沒有與其他去霧增強方法進行橫向的性能比較。主觀評價結果取決于觀測者的主觀感受，容易受到觀測者的專業背景、心理動機等因素的影響，無法對不同的去霧增強方法進行客觀公正的評價和比較。

客觀評價方法能獨立的對圖像進行評價，客觀準確的比較圖像特征參數之間的差別。圖像質量客觀評價方法主要分為：全參考、半參考和無參考等幾類方法。全參考評價方法假設其中一幅圖像為完美圖像或參考圖像，其他圖像與參考圖像不同的地方均為噪聲?；谡`差統計量的全參考算法如在1995年的《IEEE通信匯刊》“圖像質量和性能評價(Image?quality?measures?and?theirperformance.IEEE?Transactions?on?Communication，1995，43(12)，Page(s)：2959-2965)”中的PSNR(Peak?Signal?to?Noise?Ratio)方法和內容相關性方法等僅注重衡量圖像像素間的差異，與人對圖像的視覺感受具有較大的出入?；贖VS(Human?Visual?System)模型的全參考方法對圖像的底層特性進行建模，如在2008年的《2008年國際信號圖像技術及基于因特網系統會議》“最小可覺差以及其在彩色圖像水印中的應用(Just?noticeable?distortionmodel?and?its?application?in?color?image?watermarking.2008?IEEEInternational?Conference?on?Signal?Image?Technology?and?Internet?BasedSystems.2008，Page(s)：260-267)”中的JND(Just?Noticeable?Difference)方法，可以獲得與主觀視覺較為一致的評價結果。半參考評價方法也是以其中一幅圖像為參考圖像，并從多幅圖像中提取出部分統計量用于比較，無需原始像素級別的信息，如在2004年的《IEEE圖像處理匯刊》“圖像質量評價：從偏差視覺到結構相似性(Image?quality?assessment：from?error?visibility?tostructural?similarity.IEEE?Transactions?on?Image?Processing.2004，13，Page(s)：600-612)”的SSIM(Structural?Similarity?Information)方法、在2003年的《數學圖像和視覺期刊》“自然圖像統計模型的優點(On?advances?instatistical?modeling?of?natural?images.Journal?of?Mathematical?Imagingand?Vision.2003)”NNS(Natural?Scene?Statistics)方法、在2000年《神經信息處理系統前沿》的“高斯混合尺度以及自然圖像統計(Scale?mixturesof?Gaussians?and?the?statistics?of?natural?Images.Advances?in?NeuralInformation?Processing?System.2000，12，Page(s)：855-861)”GSM(GaussianScale?Mixture)方法。無參考評價方法可以分為如在2000年的《IEEE國際圖像處理會議)》“圖像方塊效應的盲目測量(Blind?measurement?of?blockingartifacts?in?images.IEEE?International?Conference?on?Image?Processing.2000，3，Page(s)：981-984)”中針對失真類型的方法和在2005年《第十三屆歐洲信號處理會議》“自適應濾波中的無參考方塊效應(A?no?referenceblocking?artifact?measure?for?adaptive?video?processing，The?13thEuropean?Signal?Processing?Conference.2005)”中基于機器學習的方法。該類方法無需任何參考圖像，只需提取圖像自身的部分特征量與經驗值進行比較。