[發(fā)明專(zhuān)利]一種水下圖像的質(zhì)量評(píng)價(jià)方法和系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011411080.1
• 申請(qǐng)日: 2020-12-04
• 公開(kāi)（公告）號(hào): CN112419300A
• 公開(kāi)（公告）日: 2021-02-26
• 發(fā)明（設(shè)計(jì)）人: 劉玉濤;李秀;魏郭依哲;陳思遙
• 申請(qǐng)（專(zhuān)利權(quán)）人: 清華大學(xué)深圳國(guó)際研究生院
• 主分類(lèi)號(hào): G06T7/00
• 分類(lèi)號(hào): G06T7/00;G06N20/10
• 代理公司: 深圳新創(chuàng)友知識(shí)產(chǎn)權(quán)代理有限公司 44223
• 代理人: 江耀純

本發(fā)明公開(kāi)了一種水下圖像的質(zhì)量評(píng)價(jià)方法和系統(tǒng)，該方法包括如下步驟：S1，提取水下圖像的亮度和色度特征，估計(jì)輸入圖片的亮度和色度；S2，提取水下圖片的模糊度特征，估計(jì)輸入圖片的模糊程度；S3，提取水下圖片的對(duì)比度特征，估計(jì)輸入圖片的對(duì)比度；S4，在訓(xùn)練集上利用支持向量回歸方法學(xué)習(xí)一個(gè)由步驟S1?S3提取的圖像特征到圖像質(zhì)量的映射模型，用于預(yù)測(cè)水下圖像的質(zhì)量。本發(fā)明不需要參考原始圖像，同時(shí)能夠取得較高的預(yù)測(cè)性能，且運(yùn)行速度快，滿足水下成像的應(yīng)用需求。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種水下圖像的質(zhì)量評(píng)價(jià)方法和系統(tǒng)。

背景技術(shù)

水下成像在水下作業(yè)、海洋勘探、文物保護(hù)等方面發(fā)揮著重要的作用。然而，由于水下成像環(huán)境復(fù)雜，光線進(jìn)入水體被吸收等因素，水下成像質(zhì)量較低，往往無(wú)法滿足應(yīng)用的需求，因此需要研究專(zhuān)門(mén)的水下圖像處理技術(shù)，提高水下成像的質(zhì)量，更好地服務(wù)于水下作業(yè)等重要任務(wù)。本發(fā)明提出一種針對(duì)水下圖像的質(zhì)量評(píng)價(jià)方法，對(duì)水下成像的質(zhì)量做出可靠的判斷，用來(lái)實(shí)時(shí)地監(jiān)控水下成像的質(zhì)量，提高水下圖像的處理效率。

均方誤差(MSE)和峰值性噪比(PSNR)是目前被廣泛采用的質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)。近年來(lái)，受一些經(jīng)典心理學(xué)認(rèn)知范例的激發(fā)，許多研究者提出了一些基于認(rèn)知的圖像質(zhì)量評(píng)價(jià)方法。Wang,Z.等人在《IEEE Trans.Image Process》第13卷第4期第600頁(yè)至第612頁(yè)發(fā)表的論文“Image quality assessment:from error visibility to structural similarity”中提出的結(jié)構(gòu)相似性方法(SSIM)，該方法從圖像的結(jié)構(gòu)信息出發(fā)對(duì)圖像的質(zhì)量進(jìn)行估計(jì)。Wang,Z.等人在《IEEE Asilomar Conference on Signals,Systems and Computer》第2卷第1398頁(yè)至第1402頁(yè)發(fā)表的論文“Multi-scale structural similarity for imagequality assessment”中提出的多尺度結(jié)構(gòu)相似性方法(MS-SSIM)將SSIM方法擴(kuò)展到多尺度上，取得了更好的預(yù)測(cè)性能。Li,Q.等人在《IEEE Journal of Selected Topics inSignal Processing》第3卷第2期第202頁(yè)至211頁(yè)發(fā)表的論文“Reduced-Reference ImageQuality Assessment Using Divisive Normalization Based Image Representation”中圖像進(jìn)行小波分解，然后針對(duì)每個(gè)子帶歸一化處理，提取系數(shù)的分布參數(shù)作為特征來(lái)估計(jì)圖像的質(zhì)量。Gao,X.等人在《IEEE Trans.Image Process》第18卷第7期第1409頁(yè)至1423頁(yè)發(fā)表的論文“Image Quality Assessment Based on Multiscale Geometric Analysis,”中對(duì)圖像進(jìn)行多尺度分解，然后對(duì)分解系數(shù)用人眼對(duì)比度敏感函數(shù)進(jìn)行加權(quán)，之后用最小可覺(jué)差(Just Noticeable Difference，JND)模型對(duì)系數(shù)進(jìn)行懲罰，最后提取直方圖特征來(lái)預(yù)測(cè)圖像質(zhì)量。Liu,H.等人在《IEEE Trans.Circuits Syst.Video Technol.》第21卷第7期第971頁(yè)至第982頁(yè)提出的Blind Image Quality Indices(BIQI)方法。該方法分為兩個(gè)步驟，首先利用失真圖像統(tǒng)計(jì)(DIS)將圖像根據(jù)失真類(lèi)型進(jìn)行分類(lèi)，再根據(jù)不同失真類(lèi)型進(jìn)行質(zhì)量評(píng)價(jià)。Zhai,G.等人在《IEEE Trans.Image Process》第21卷第1期第41頁(yè)至52頁(yè)發(fā)表的論文“A Psychovisual Quality Metric in Free-Energy Principle”中利用AR模型來(lái)模擬大腦內(nèi)部的生成模型，對(duì)圖像進(jìn)行AR表示，提取表示統(tǒng)計(jì)信息來(lái)預(yù)測(cè)圖像的質(zhì)量。Yang,M等人在《IEEE Trans.Image Process》第24卷第12期第6062頁(yè)至6071頁(yè)發(fā)表的論文“Anunderwater color image quality evaluation metric”中提出了一種基于CIELab空間色度、對(duì)比度和飽和度測(cè)量的水下圖像質(zhì)量評(píng)價(jià)方法。Panetta,K等人在《IEEE Journal ofOceanic Engineering》第41卷第3期第541頁(yè)至551頁(yè)發(fā)表的論文“Human-visual-system-inspired underwater image quality measures”中受人類(lèi)視覺(jué)系統(tǒng)(Human VisualSystem，HVS)啟發(fā)，從水下圖像色度、清晰度、對(duì)比度三個(gè)方面來(lái)評(píng)價(jià)水下圖像的成像質(zhì)量。