[發(fā)明專利]一種基于HSI顏色空間的無參考去霧圖像質(zhì)量評價方法

在審

• 申請?zhí)枺?/td>: 202111299529.4
• 申請日: 2021-11-04
• 公開（公告）號: CN114022380A
• 公開（公告）日: 2022-02-08
• 發(fā)明（設(shè)計）人: 紀濱;季云云;李喬;胡雪冬;丁鋒
• 申請（專利權(quán)）人: 安徽工業(yè)大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/40
• 代理公司: 安徽知問律師事務(wù)所 34134
• 代理人: 平靜

1.一種基于HSI顏色空間的無參考去霧圖像質(zhì)量評價方法，其特征在于，其步驟為：

步驟一、讀取待評估去霧圖像,并將其從RGB顏色空間轉(zhuǎn)換到HSI顏色空間上，得到三個通道對應(yīng)的子圖像；

步驟二、對H子圖像進行處理，分別計算其對應(yīng)的局部均值和局部方差后，再進行歸一化處理，求其對應(yīng)的MSCN系數(shù)；

步驟三、用廣義高斯分布GGD函數(shù)來擬合H子圖像的MSCN系數(shù)，得到參數(shù)(α,β)；

步驟四、再利用非對稱廣義高斯分布AGGD函數(shù)來擬合H子圖像的MSCN系數(shù)，得到參數(shù)

步驟五、對S子圖像執(zhí)行步驟二中操作，求其對應(yīng)的MSCN系數(shù)，再重復步驟三和步驟四，并結(jié)合基于H子圖像的計算結(jié)果，得到一組12維的特征向量；

步驟六、對自然無失真圖像進行圖像塊篩選，選取圖像中具有代表性的部分塊；

步驟七、對選取的圖像塊，重復執(zhí)行步驟二～步驟五，分別得到每個圖像塊對應(yīng)的一組12維特征向量；

步驟八、分別輸入去霧圖像特征矩陣和篩選得到的自然清晰圖像塊的特征矩陣，利用多元高斯MVG模型進行擬合，得到對應(yīng)的均值向量v和協(xié)方差矩陣∑；

步驟九、將步驟八得到的均值向量和協(xié)方差矩陣代入Mahalanobis Distance公式，計算出自然圖像和去霧圖像之間的色彩特征距離，從而得到圖像的色彩評估結(jié)果；

步驟十、對待測圖像的I通道對應(yīng)的子圖像進行分塊處理，分為平滑塊和非平滑塊兩類，篩選掉其中的平滑塊，僅對非平滑塊進行處理；

步驟十一、利用僅可見模糊概念結(jié)合心理測量函數(shù)，對非平滑塊進行累積模糊概率檢測，再通過除以測試圖像中的圖像塊數(shù)量進行歸一化處理，得到圖像的清晰度評估結(jié)果；

步驟十二、結(jié)合步驟九和步驟十一中的結(jié)果，對色彩評估和清晰度評估進行權(quán)重分配，得到最終的質(zhì)量評價結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于HSI顏色空間的無參考去霧圖像質(zhì)量評價方法，其特征在于：步驟二中求取MSCN系數(shù)的過程如下：

其中，(i，j)為圖像的像素位置，I(i,j)表示通道分量對應(yīng)的子圖像，μ(i,j)表示以(i,j)為中心像素的局部區(qū)域的均值，σ表示局部方差，ω_k,l是一個高斯函數(shù)。

3.根據(jù)權(quán)利要求2所述的一種基于HSI顏色空間的無參考去霧圖像質(zhì)量評價方法，其特征在于：步驟三中GGD函數(shù)如下：

其中

α表示形狀的衰減率；β表示方差，x表示步驟二中計算得到的值；利用矩匹配法計算分布曲線對應(yīng)的參數(shù)(α,β)，作為第一部分特征。

4.根據(jù)權(quán)利要求3所述的一種基于HSI顏色空間的無參考去霧圖像質(zhì)量評價方法，其特征在于：步驟四中AGGD函數(shù)如下：

計算出參數(shù)作為第二部分特征，其中η表示均值；γ來控制形狀的分布；和分布代表左右兩側(cè)曲線的擴散程度。

5.根據(jù)權(quán)利要求4所述的一種基于HSI顏色空間的無參考去霧圖像質(zhì)量評價方法，其特征在于：步驟六將每張圖像分割成96×96大小的圖像塊，再分別計算每個圖像塊的平均方差場δ：

其中，σ(i，j)是利用步驟二中公式計算得到的局部方差，選取δ(p)值在[0.5M,0.8M]之間的圖像塊，其中M表示同一圖像中塊的最大δ(p)值。

6.根據(jù)權(quán)利要求5所述的一種基于HSI顏色空間的無參考去霧圖像質(zhì)量評價方法，其特征在于：步驟八中利用MVG模型對特征進行擬合，其中MVG密度函數(shù)為：

其中，(x₁,...,x₁₂)是步驟五中提取得到的特征向量，v和∑可利用最大似然估計法進行計算，T表示求矩陣的轉(zhuǎn)置。