[發明專利]一種基于飽和度的彩色多曝光融合圖像的質量評價方法

在審

• 申請號: 201710052878.3
• 申請日: 2017-01-24
• 公開（公告）號: CN106886992A
• 公開（公告）日: 2017-06-23
• 發明（設計）人: 趙保軍;李震;王水根;韓煜祺;鄧宸偉
• 申請（專利權）人: 北京理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N99/00
• 代理公司: 北京理工大學專利中心11120
• 代理人: 付雷杰,仇蕾安

1.一種基于飽和度的彩色多曝光融合圖像的質量評價方法，其特征在于，該方法具體步驟包括：

步驟一、以多曝光圖像融合數據庫MEF中的多曝光圖像及其融合圖像作為訓練樣本，對多曝光圖像和融合圖像采用基于飽和度和小波系數的提取方式，獲得紋理信息、結構信息和彩色信息；根據融合前后圖像的紋理信息、結構信息以及彩色信息，分別計算紋理相似度、結構相似度以及彩色相似度；將紋理信息相似度、結構信息相似度和彩色信息相似度作為特征值，結合給定的評價分值，輸入到極限學習機器ELM中進行訓練；

所述紋理信息的提取方式為：設待提取信息的融合后圖像或多曝光圖像中的各圖像為圖像I_Q；對圖像I_Q進行小波變換，獲得圖像I_Q分為低頻部分、中頻部分及高頻部分的小波系數集合I_q＝[LL LH HL HH]；其中，LL為低頻部分的小波系數，LH和HL為中頻部分的小波系數，LH對應水平方向相位，HL對應豎直方向相位，HH為高頻部分的小波系數；基于圖像的紋理信息多數集中在中頻及高頻部分的原理，提取圖像I_Q的中頻及高頻部分的小波系數集合I_q′＝[LH HL HH]；對于圖像I_Q為融合后圖像的情況，提取的小波系數集合I_q′即為紋理信息；對于圖像I_Q為多曝光圖像的情況，選取多曝光圖像中各圖像對應的小波系數集合I_q′并取各系數的最大值，組成Vmax＝[max|LH|,max|HL|,max|HH|]，作為多曝光圖像的紋理信息；

所述彩色信息的提取方式為：計算圖像I_Q的飽和度SA，其中，R，G，B是彩色圖像中紅、綠、藍三種色彩信息，μ是三種色彩信息的平均值；對于圖像I_Q為融合后圖像的情況，將飽和度值SA作為彩色信息；對于圖像I_Q為多曝光圖像的情況，選取多曝光圖像中各圖像對應的飽和度值SA的最大值，作為多曝光圖像的彩色信息；

步驟二、對多曝光融合圖像進行質量評價時，采用融合算法對多曝光圖像進行融合，生成待評價的融合后圖像；

步驟三、對待評價的融合后圖像以及該融合后圖像對應的融合前多曝光圖像，采用所述基于飽和度和小波系數的提取方式，分別提取紋理信息、結構信息和彩色信息；

步驟四、根據步驟三獲得的融合前后圖像的紋理信息、結構信息以及彩色信息，分別計算紋理相似度、結構相似度以及彩色相似度；

步驟五、將步驟四獲得的三個相似度作為特征值輸入到訓練好的ELM機器學習機，獲得待評價的融合后圖像的評價結果。

2.如權利要求1所述一種基于飽和度的彩色多曝光融合圖像的質量評價方法，其特征在于，計算融合前后圖像的紋理相似度、結構相似度以及彩色相似度的具體方法為：

相似度定義如下：其中，I₁和I₂是融合前后圖像的參數，C是常數；當I₁和I₂分別為融合前后圖像的紋理信息，則將獲得的融合前后圖像的紋理信息代入到相似度S公式中，獲得紋理相似度TS；當I₁和I₂分別為融合前后圖像的飽和度，將獲得的飽和度代入到相似度S公式中，獲得飽和度相似度SAS；利用結構相似度公式獲得結構相似度SS，其中，σ_xy是融合前圖像結構和融合后圖像結構的協方差，σ_x是融合前圖像結構標準差，σ_y是融合后圖像結構標準差。

3.如權利要求1所述一種基于飽和度的彩色多曝光融合圖像的質量評價方法，其特征在于，極限學習機器ELM采用激活函數radial basis function對輸入的圖像特征進行訓練，其中，隱藏層的節點數是設置為21。

4.如權利要求1所述一種基于飽和度的彩色多曝光融合圖像的質量評價方法，融合后圖像結構信息的提取方法為：提取融合后圖像采用結構相似性SSIM算法。

5.如權利要求2所述一種基于飽和度的彩色多曝光融合圖像的質量評價方法，相似度定義公式S中的常數C＝0.001。

6.如權利要求2所述一種基于飽和度的彩色多曝光融合圖像的質量評價方法，結構相似度公式SS中的常數C₂＝0.001。