[发明专利]基于高阶奇异值分解的视频融合性能评价方法

说明书

技术领域

本发明涉及视频图像处理领域，特别涉及含噪声的视频融合性能评价方法，该方法能够有效评价噪声环境下视频融合性能，可用于监控融合视频图像质量。

背景技术

随着图像融合技术广泛应用于目标跟踪、检测和机器视觉等领域中，图像融合性能评价也变得越来越重要，目前，绝大多数图像融合性能评价指标都是针对静态图像融合方法的，而有关视频图像融合方法的较少。视频图像融合不仅在空间性能上要满足一般图像融合的基本要求，即融合后视频图像中各帧图像不仅要尽可能地保留输入视频图像各帧图像中的有用信息，而且要避免引入虚假信息等；在时间性能上还要满足时间一致性和稳定性的要求，即融合后视频图像中各帧图像之间的灰度值差异仅能由输入视频图像中各帧图像之间的灰度值差异引起。可以采用逐帧评价的方式将静态图像融合性能评价指标用于视频融合性能评价中，但这种评价方法只能从空间信息提取一个方面对视频图像融合算法进行评价。为了评价各视频融合算法在时间一致性和稳定性方面的融合性能，也有一些学者提出了相关算法，例如，Petrovic等在基于空间梯度信息保留的融合性能评价指标的基础上，设计了一种基于空间-时间联合梯度信息保留的视频图像融合性能评价指标（V.Petrovic,T.Cootes,R.Pavlovic,“Dynamic image fusion performance evaluation,”10th International Conference on Information Fusion,2007），西安电子科技大学申请的专利“基于结构相似度和人眼视觉的视频图像融合性能评价方法”（申请号：CN201110205480.1，申请公开号：CN102231844A）中公开的一种全局视频融合质量指标。但是这些算法与静态图像融合性能评价指标一样，主要是针对干净视频图像融合而设计的，但实际上视频在获取或者传输过程中是很容易受到噪声干扰。而现有视频融合性能评价指标都把噪声误认为重要信息，在对进行了噪声抑制的视频融合算法进行评价时，会认为其丢失了重要信息，从而获得与主观评价结果不一致甚至相反的结果。

发明内容

本发明的目的在于克服上述已有技术的不足，提出一种基于高阶奇异值分解的视频融合性能评价方法，以对在噪声环境下的视频融合性能进行有效、准确和客观的评价。

实现本发明的技术方案是：将输入的参考视频和融合视频构建成一个四阶张量，对其进行高阶奇异值分解HOSVD，将视频图像中的空间几何特征和时间特征有效地区分开来；再通过阈值化方法将时间特征中的时间运动特征和噪声有效地区分开来；然后分别定义不同的评价指标对各个特征区域进行评价，最后定义全局评价指标对视频图像融合性能进行整体评价。其具体实现步骤如下：

(1)分别输入两幅参考视频和一幅融合视频，即第一幅参考视频a、第二幅参考视频b以及融合视频f；

(2)用输入的第一幅参考视频a、第二幅参考视频b以及融合视频f，构成一个四阶张量υ(x,y,t,n)：