[发明专利]判断去雾增强图像质量效果的方法

说明书

技术领域

本发明属于图像处理技术领域，涉及一种判断去雾增强图像质量效果的方法。

背景技术

由于雨雾等恶劣天气或采集设备自身参数的影响，采集到的图像或视频经常受到不同程度的雾化干扰，甚至严重影响图像的视觉效果和后期处理。有很多学者对图像的去雾增强进行了研究。在论证去雾增强方法的可行性和有效性时，通常是给出去雾增强前后的部分试验样本，然后简单的比较这些样本的主观视觉效果，而没有与其他去雾增强方法进行横向的性能比较。主观评价结果取决于观测者的主观感受，容易受到观测者的专业背景、心理动机等因素的影响，无法对不同的去雾增强方法进行客观公正的评价和比较。

客观评价方法能独立的对图像进行评价，客观准确的比较图像特征参数之间的差别。图像质量客观评价方法主要分为：全参考、半参考和无参考等几类方法。全参考评价方法假设其中一幅图像为完美图像或参考图像，其他图像与参考图像不同的地方均为噪声。基于误差统计量的全参考算法如在1995年的《IEEE通信汇刊》“图像质量和性能评价(Image quality measures and theirperformance.IEEE Transactions on Communication，1995，43(12)，Page(s)：2959-2965)”中的PSNR(Peak Signal to Noise Ratio)方法和内容相关性方法等仅注重衡量图像像素间的差异，与人对图像的视觉感受具有较大的出入。基于HVS(Human Visual System)模型的全参考方法对图像的底层特性进行建模，如在2008年的《2008年国际信号图像技术及基于因特网系统会议》“最小可觉差以及其在彩色图像水印中的应用(Just noticeable distortionmodel and its application in color image watermarking.2008 IEEEInternational Conference on Signal Image Technology and Internet BasedSystems.2008，Page(s)：260-267)”中的JND(Just Noticeable Difference)方法，可以获得与主观视觉较为一致的评价结果。半参考评价方法也是以其中一幅图像为参考图像，并从多幅图像中提取出部分统计量用于比较，无需原始像素级别的信息，如在2004年的《IEEE图像处理汇刊》“图像质量评价：从偏差视觉到结构相似性(Image quality assessment：from error visibility tostructural similarity.IEEE Transactions on Image Processing.2004，13，Page(s)：600-612)”的SSIM(Structural Similarity Information)方法、在2003年的《数学图像和视觉期刊》“自然图像统计模型的优点(On advances instatistical modeling of natural images.Journal of Mathematical Imagingand Vision.2003)”NNS(Natural Scene Statistics)方法、在2000年《神经信息处理系统前沿》的“高斯混合尺度以及自然图像统计(Scale mixturesof Gaussians and the statistics of natural Images.Advances in NeuralInformation Processing System.2000，12，Page(s)：855-861)”GSM(GaussianScale Mixture)方法。无参考评价方法可以分为如在2000年的《IEEE国际图像处理会议)》“图像方块效应的盲目测量(Blind measurement of blockingartifacts in images.IEEE International Conference on Image Processing.2000，3，Page(s)：981-984)”中针对失真类型的方法和在2005年《第十三届欧洲信号处理会议》“自适应滤波中的无参考方块效应(A no referenceblocking artifact measure for adaptive video processing，The 13thEuropean Signal Processing Conference.2005)”中基于机器学习的方法。该类方法无需任何参考图像，只需提取图像自身的部分特征量与经验值进行比较。