[發明專利]基于多視幅度統計特性的SAR圖像無參考質量評價方法

有效

• 申請號: 201710598854.8
• 申請日: 2017-07-21
• 公開（公告）號: CN107451608B
• 公開（公告）日: 2020-08-04
• 發明（設計）人: 吳金建;馬居坡;石光明
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/00
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

1.一種基于多視幅度統計特性的SAR圖像無參考質量評價方法，包括：

(1)將SAR圖像數據庫中的圖像隨機分為兩份，80％用于訓練，20％用于測試；

(2)計算一幅待評價SAR圖像的全局等效視數ENL、局部最大等效視數β以及它們的比值λ；

(3)計算一幅待評價SAR圖像的模糊相關系數ρ，按如下步驟進行：

(3a)對待評價SAR圖像I進行低通濾波，得到圖像I的模糊圖像X：

X＝I*W，

其中，*表示線性卷積運算，W為卷積核，

(3b)計算圖像I和模糊圖像X的二維相關系數ρ：

其中，1≤m≤M，1≤n≤N，I_mn、X_mn分別表示圖像坐標(m,n)處的像素值，為輸入圖像I的均值，為模糊圖像X的均值；

(4)選取待評價SAR圖像中的勻質性區域，用來擬合平方根伽馬分布，以計算待評價SAR圖像的擬合誤差θ、擬合視數L、擬合強度σ；按如下步驟進行：

(4a)計算步驟(2)中得到的K個子塊中每個子塊的方差，并將方差最小的子塊設為g；

(4b)統計最小子塊g的灰度值分布，得到歸一化灰度分布直方圖y，y中的第i個元素為：

其中，i代表灰度值，0≤i≤H-1，[0,H-1]為待評價SAR圖像的最大灰度級范圍，n_i代表最小子塊g中灰度值i出現的次數，n代表最小子塊g中像素的總個數，y(i)表示灰度值i出現的概率；

(4c)用歸一化灰度分布直方圖y擬合SAR圖像多視幅度數據的平方根伽馬分布模型為：

其中，P(i)表示灰度值i的概率，Γ(L)表示階數為L的伽馬函數，L為擬合視數，σ為擬合強度，將這兩個參數用擬合系數向量x表示，x＝[L,σ]；

(4d)將擬合系數向量x的搜索起始點設置為：x₀＝[L₀,σ₀]：

其中，表示子塊g的均值；

(4e)按照非線性回歸的過程，搜索更新擬合系數向量x，使其滿足下式：

其中，xdata表示輸入灰度值，P(x,xdata)表示計算所得的灰度分布概率，y表示真實的灰度分布概率，P(x,xdata_i)表示計算所得的第i個灰度值的概率，y_i表示真實的第i個灰度值的概率；

(4f)根據灰度分布概率計算擬合誤差θ：

其中，表示P(x,xdata)-y的2-范數的平方；

(5)對所有的樣本分別進行步驟(2)～步驟(4)的操作，將每一幅SAR圖像提取出的7個特征參數作為特征向量f_v：

f_v＝{ENL,β,λ,ρ,θ,L,σ}；

(6)根據不同類型的噪聲對SAR圖像的特征向量f_v會造成不同強弱這一特性，設定特征向量的閾值，對污染的SAR圖像進行分類，即將SAR圖像按照噪聲污染類型分為三類，即第一類為：條帶噪聲污染圖像，第二類為：高斯白噪聲污染圖像，第三類為：除了第一類和第二類外的其它污染圖像；

(7)對不同噪聲污染類型的SAR圖像分別訓練質量評價預測模型：

(7a)提取第一類污染圖像的所有訓練樣本的特征向量f_v，將其輸入到支持向量機SVM中，得到第一類污染圖像的預測模型MS；

(7b)提取第二類污染圖像的所有訓練樣本的特征向量f_v，將其輸入到支持向量機SVM中，得到第二類污染圖像的預測模型MG；

(7c)提取第三類污染圖像的所有訓練樣本的特征向量f_v，將其輸入到支持向量機SVM中，得到第三類污染圖像的預測模型MR；

(8)計算測試樣本的質量值：

(8a)將第一類污染圖像的測試樣本的特征向量f_v和第一類污染圖像的預測模型MS輸入到支持向量機SVM中，計算第一類污染圖像的測試樣本的質量值Q_s；

(8b)將第二類污染圖像的測試樣本的特征向量f_v和第二類污染圖像的預測模型MG輸入到支持向量機SVM中，計算第二類污染圖像的測試樣本的質量值Q_g；

(8c)將第三類污染圖像的測試樣本的特征向量f_v和第三類污染圖像的預測模型MR輸入到支持向量機SVM中，計算第三類污染圖像的測試樣本的質量值Q_r；

(9)根據測試樣本的質量值，對測試樣本的圖像質量進行判斷：

若Q_s＝1或Q_g＝1或Q_r＝1，則認為感覺不到或輕微感覺到圖像有噪聲；

若Q_s＝2或Q_g＝2或Q_r＝2，則認為能明顯感覺到圖像有噪聲；

若Q_s＝3或Q_g＝3或Q_r＝3，則認為僅能看出圖像中的少量信息；

若Q_s＝4或Q_g＝4或Q_r＝4，則認為無法辨認圖像信息。