[发明专利]一种激光干扰图像质量评价方法

说明书

本发明公开了一种激光干扰图像质量评价方法，包括：获取激光干扰图像及其对应的参考图像；采用相同卷积网络分别对激光干扰图像和参考图像依次进行多次不同层次特征提取的卷积池化操作；计算激光干扰图像和参考图像经相同次卷积池化时得到的特征向量之间的相似度，并对所有相似度之间进行加权计算得到图像质量评分。本发明在激光干扰图像质量评估中引入卷积网络，利用参考图像和干扰图像在卷积网络各卷积层输出特征的相识度，度量干扰图像的失真程度，充分利用卷积网络提取特征的层次性和对遮挡的敏感性。另外，将所有卷积池化对应的相似度值作加权计算，最终评价得分符合实际人眼主观感知，可靠性高，不需要检测目标和光斑的位置，应用场景较广。

技术领域

本发明属于图像处理领域，更具体地，涉及一种激光干扰图像质量评价方法。

背景技术

激光因其具有单色性、方向性、高亮度等特点被应用于光电成像系统的干扰中。在这种光电对抗过程中，光学CCD或者CMOS等成像器件容易受到激光干扰的影响，从而使得图像质量显著下降；同时，干扰光斑对图像关键信息的遮挡，特别是对目标的遮挡，会严重影响信息处理系统的检测识别性能。深入分析图像的激光干扰效果，特别是激光干扰对目标检测性能的影响，给出定量化的指标体系，可以为激光干扰系统的研制和发展提供技术支持和理论依据。

目前，全参考的图像质量评价算法计算简单、应用广泛，但其计算过程中仅比较原图和失真图像各对应像素点之间的灰度差异，没有考虑到图像的结构变化，与主观感知的一致性很低。而大部分基于图像质量评价的激光干扰评估方法都需要预先知道干扰光斑和目标的位置信息，使得评估处理时受到先验知识和预处理方法的制约，只适合有特定目标的激光干扰图像质量评价，适用场景少，实际应用中难以实现。因此需要针对激光干扰图像的特点建立一种新的评价模型。

发明内容

本发明提供一种激光干扰图像质量评价方法，用以解决现有激光干扰图像的质量评价中因需要预先知道干扰光斑和目标的位置信息而存在应用范围较窄的技术问题。

本发明解决上述技术问题的技术方案如下：一种激光干扰图像质量评价方法，包括：

S1、获取激光干扰图像及其对应的参考图像；

S2、采用相同卷积网络分别对所述激光干扰图像和所述参考图像依次进行多次不同层次特征提取的卷积池化操作；

S3、计算所述激光干扰图像和所述参考图像经相同次卷积池化时得到的特征向量之间的相似度，并对所有所述相似度之间进行加权计算，得到图像质量评分，完成激光干扰图像质量的评价。

本发明的有益效果是：本发明创造性地在激光干扰图像质量评估中引入卷积网络，因为激光干扰评估就是要量化干扰光斑对图像造成的信息损失，本发明利用参考图像和干扰图像在卷积网络各卷积层输出特征(并经池化进行一维度展开的特征向量)的相似度，度量激光干扰图像的失真程度，充分利用了卷积网络提取特征的层次性和对遮挡的敏感性。另外，将激光干扰图像和参考图像在相同次卷积池化得到的特征向量之间做相似度度量，每次卷积池化对应一个相似度值，将所有相似度值作加权计算，以获得能够评价激光干扰图像质量的评分。本发明充分考虑了多个维度的信息损失，同时通过加权计算，最终评价得分更加符合实际人眼主观感知(即人眼感知的不同干扰图像的干扰程度排序严格与计算得到的评分高低顺序保持一致)，可靠性高，同时不需要检测目标和光斑的位置，简单方便，应用场景较广，实用性较强。

上述技术方案的基础上，本发明还可以做如下改进。

进一步，所述S2之前，所述方法还包括：

获取预训练的卷积网络，并采用激光干扰样本图像，对所述预训练的卷积网络进行训练，得到所述S2中采用的所述卷积网络。

本发明的进一步有益效果是：本发明对预训练权重的卷积网络，采用激光干扰图像进行进一步训练，以用于激光干扰图像和其参考图像的卷积池化，提高各层卷积池化操作的特征提取准确性和层次性，进一步提高激光干扰图像质量评价的可靠性。