[发明专利]基于IDL编程实现的遥感影像细节及对比度定量评价指标

说明书

技术领域

本发明属于计算机数字图像处理领域。

背景技术

本发明包含两类定量评价指标——细节评价参数和限制无效灰度差值并基于加权几何平均数法的合成平均对比度。细节评价参数用于定量评价遥感图像的细节信息，其提出主要基于模糊数学和信息熵的相关思想，并利用升岭形分布模型数值化灰度级对于衡量目标细节的贡献度；限制无效灰度差值并基于加权几何平均数法的合成平均对比度用于定量评价遥感图像的对比度，图像x方向和y方向上的平均对比度基于同时对比度的定义进行构建，同时利用人类视觉对比度分辨率阈值的数学模型，对两个方向上的平均对比度的数值进行限制，以防止无效的灰度差值进行累加。同时，这两类评价指标的具体实现基于IDL编程环境。

发明内容

本发明的目的是提供两类数值指标，用于定量评价遥感图像的细节信息以及对比度。运用这两类指标可以量化人们对于遥感影像细节信息以及对比度的主观感觉，最终形成数值结论，从而使人们可以更加客观的评价或者比较遥感影像的细节信息以及对比度。

一、细节评价参数

细节评价参数的定义式如式⑴所示。

上式中，DEP为细节评价参数，其数值用于定量衡量遥感影像的细节信息。CN_i表示衡量目标中第i个灰度级对于衡量目标细节的贡献度，n为衡量目标中所包含的灰度级级数。

由于衡量目标中的灰度级对于衡量目标细节的贡献度的大小是一个模糊的概念，因此根据灰度级对于衡量目标细节贡献度的相关特性，引入模糊数学隶属函数中的偏大型升岭形分布函数，来数值化灰度级对于衡量目标细节的贡献度，偏大型升岭形分布函数模型如图1所示。

图1中，横轴X表示某一模糊集合的论域，纵轴A(x)为模糊子集A的隶属函数，表示论域中的元素x对模糊子集A的隶属程度。

灰度级对于衡量目标细节的贡献度的数值化公式如式⑵所示。

上式中，CN_i表示衡量目标中第i个灰度级对于衡量目标细节的贡献度，pn是指衡量目标中第i个灰度级所包含的像元数目。pc表示衡量目标中像元总数均匀分布到各个灰度级上时，每个灰度级所包含的像元数量，即当衡量目标的信息熵达到最大值时的各个灰度级中所包含的像元数量。

阈值pc的确定由信息熵入手。根据信息熵的相关理论可知，图像的信息熵越大，则图像所包含的信息量也越大，图像的质量也相对越好。而理论上也已经证明，当图像的灰度均匀分布时，图像的信息熵达到最大值。

因此，当某个灰度级所包含的像元数目等于当衡量目标的信息熵达到最大值时的各个灰度级中所包含的像元数量时，该灰度级对于衡量目标细节的贡献度就已经达到最大值，即为1。即使该灰度级所包含的像元数目再增加，它对于衡量目标细节的贡献度也无法继续增加。

二、限制无效灰度差值并基于加权几何平均数法的合成平均对比度

目前，在遥感影像对比度评价方面，用的比较多的一类指标为同时对比度，但是，由于同时对比度在计算时需要分别计算出图像中目标和背景的平均灰度，这就不得不涉及到将目标与背景从图像中分离出来的问题。目前，解决这类问题的方法主要有图像分割和边缘检测两种。但是，对于同时对比度的计算，这两种方法的分离精度并不理想。特别是碰到复杂图像时，例如遥感影像，其分离的效果还有待商榷。

为了在定量评价遥感影像的对比度时，避开目标与背景分离的问题，本发明在同时对比度定义的基础上提出了限制无效灰度差值并基于加权几何平均数法的合成平均对比度的定义。该对比度先基于同时对比度的定义，分别计算x方向和y方向上的平均对比度C_x和C_y，然后利用加权几何平均数法，将两者合成为整幅图像的对比度。其定义式如式⑶所示。