[發明專利]一種綜合的多曝光高動態圖像重建效果評價方法

在審

• 申請號: 201711070084.6
• 申請日: 2017-11-03
• 公開（公告）號: CN107862683A
• 公開（公告）日: 2018-03-30
• 發明（設計）人: 付爭方
• 申請（專利權）人: 安康學院
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 西安銘澤知識產權代理事務所(普通合伙)61223
• 代理人: 韓曉娟

1.一種綜合的多曝光高動態圖像重建效果評價方法，其特征在于，該方法包括以下步驟：

確定單因素評價指標，并計算每個指標，將計算得到的結果組成評價指標集X，X＝{x₁,x₂,...,x_i,...,x_n}為圖像中的n個單因素評價指標；

獲得融合結果集S，S＝{s₁,s₂,...,s_j,...,s_m}為m種融合算法的融合結果；

計算單因素評價指標的評價矩陣R：首先計算單因素評價

然后通過映射f誘導出模糊關系即R_f(x_i,s_j)＝f(x_i)(s_j)＝r_ij，模糊關系R_f由模糊矩陣R∈u_n×m得到，稱R為單個評價指標的評價矩陣，接著通過模糊關系R導出X到S的模糊線性變換T_f；

通過權重集C和評價矩陣R計算綜合評價D：權重集C通過判斷矩陣分析法確定，m個融合結果對應的綜合評價是集合S的一個模糊子集：D＝(d₁,d₂,...,d_j,...,d_m)∈T(S)，其中d_j表示第j個融合結果s_j在最終評價結果中所處的地位，即s_j相對于模糊集D的隸屬度：D(s_j)＝d_j，評價結果D的值是X的模糊子集C＝(c₁,c₂,...,c_i,...,c_n)∈T(X)，且其中c_i代表因素i的權重，采用max-min合成運算，得到綜合評價D：

2.如權利要求1所述的綜合的多曝光高動態圖像重建效果評價方法，其特征在于，使用的單因素評價指標包括信息熵、平均梯度、平均曝光量、結構相似度、交互信息量和交叉熵。

3.如權利要求2所述的綜合的多曝光高動態圖像重建效果評價方法，其特征在于，信息熵、平均梯度、平均曝光量、結構相似度、交互信息量和交叉熵的計算方法具體為：

(1)信息熵

F為融合圖像，其大小M×N，L是最大灰度級，圖像F的信息熵計算：

EN=-Σi=0L-1Pilog PiPi=NiM×N---(1)]]>

其中，EN表示圖像的熵，P_i表示灰度分布概率，N_i是灰度級i的像素數；

(2)平均梯度

計算公式為：

GD=1(M-1)(N-1)×Σx=1M-1Σy-1N-1((F(x+1,y)-F(x,y))2+(F(x,y+1)-F(x,y))2)2---(2)]]>

其中，F為融合圖像，M×N是圖像大小，(x,y)是像素位置，GD為圖像梯度；

(3)平均曝光量

計算如下式所示:

ME(x,y)=exp(-(F(x,y)-0.5)22σ2)uME=1M×NΣx=1MΣy=1NME(x,y)---(3)]]>

其中，F(x,y)為融合圖像的像素灰度值，σ為方差，ME(x,y)為像素(x,y)的適度曝光量，u_ME為融合圖像的平均曝光量；

(4)結構相似度

結構相似度評價融合圖像與源圖像的相似程度，其計算公式如下：

u_A、u_F分別表示源圖像A和融合圖像F的均值；

d_A、d_F分別表示圖像A和F的方差；

d_AF表示圖像A和F的協方差；

A和F的結構相似度為：

SS_AF＝L_AF^wa×C_AF^wb×S_AF^wc(4)

wa、wb和wc分別為均值、方差、協方差的權值；

同理可計算SS_BF，則A、B和F的結構相似度為：

SS_ABF＝SS_AF+SS_BF (5)

(5)交互信息量MI

A、B為源圖像，[0,L₁]、[0,L₂]分別表示它們的灰度級范圍，[0,L]為其灰度范圍，I_FA和I_FB表示融合圖像F與源圖像A、B的交互信息量：

IFA=Σi=0L1Σj=0LPFAlog2PFAPFPA,IFB=Σi=0L2Σj=0LPFBlog2PFBPFPB---(6)]]>

其中，P_A、P_B和P_F分別代表源圖像A、B和融合圖像F的概率密度，P_FA、P_FB代表它們之間的聯合密度，綜合考慮I_FA和I_FB，是F和A、B的交互信息量總和：

MFAB=IFA+IFB---(7)]]>

(6)交叉熵

交叉熵大小反映了融合圖像與源圖像差異程度，交叉熵值越小，表示融合圖像保留源圖像的信息越多，說明融合效果越好，越能反映真實場景，其計算公式如下：

UEFA=-Σi=0L-1PAilog2PAiPFi,UEFB=-Σi=0L-1PBilog2PBiPFi]]>

UE_FAB＝UE_FA+UE_FB(8)

其中，PA_i、PB_i、PF_i分別代表源圖像A、B和融合圖像F的灰度分布概率，UE_FA、UE_FB分別代表圖像A和F、B和F的交叉熵，UE_FAB代表圖像A、B、F的交叉熵。

4.如權利要求2所述的綜合的多曝光高動態圖像重建效果評價方法，其特征在于，所述權重集C的具體計算方法為：

從所述評價指標集X＝{信息熵x₁，平均梯度x₂，平均曝光量x₃，結構相似性x₄，交互信息量x₅，交叉熵x₆}中任意取出一對指標(x_i,x_j)，表示指標x_i相對于指標x_j“重要程度”的判斷值；

經過兩兩因素比較得到：

fxj(xi)=x1x2x3x4x5x6x1133143x2111132x3151235x4133123x5111111x6111151,i,j=1,2,3,4,5,6]]>

(2)構造判斷矩陣

將上面的判斷值分別帶入下式：

hij=fxj(xi)fxi(xj)---(9)]]>

得到判斷矩陣

H=12214312115133212511335133123141313121151312151351]]>

(3)確定因素i的權重c_i

計算判斷矩陣H的最大特征根λ_max，即求λ滿足下式的最大者：

λ-12214312λ-1151332125λ-11335133λ-12314131312λ-115131215135λ-1=0]]>

解得λ_max＝6.9178，特征向量ξ為：

ξ＝[0.53098 0.22517 0.50082 0.60097 0.12092 0.20188]

歸一化得C：

C＝[0.24349 0.10325 0.22966 0.27558 0.05545 0.092573]。