专利名称：一种图像融合质量评估方法和系统的制作方法
技术领域：
本发明涉及计算机视觉领域，尤其涉及图像融合领域，具体地说，是涉及一种基于显著性分析的多源图像融合质量评估方法和系统。
背景技术：
信息融合理论和技术正成为信息和信号处理领域中的研究热点，而图像融合作为信息融合的一个重要领域，已经广泛应用于遥感、计算机视觉、医学、军事目标探测和识别等领域，所谓图像融合是指综合两个或多个源图像的信息，以获取对同一场景的更为精确、 全面、可靠的图像描述。为了比较不同的融合方案或者改善某种融合算法，需要对融合性能进行评估。其中包括主观或者客观的评估准则。由于基于人类感知的主观评估，主要是由人亲自来完成的，因此会带来成本上的昂贵以及使用上的不便等问题。在图像质量评估中的客观评估，一般会依据事先选定的理想数据参照比较，然而一般的理想数据又不易得到。所以在图像融合评估算法中，许多客观的评估指标都是以源图像作为参照进行融合性能评估。目前基于源图像的客观评估，主要包括两个步骤首先是参照一个源图像的融合图像质量评价(简写为FIQR0)；然后综合不同源图像的多个测量值，获得最终的图像融合质量(简写为FIFQ)。对于FIQR0，一些指标主要集中在信号保真度的评估上，例如相关信息熵、交互信息等。其中，学者Xydeas和Petrovi0选择边缘特征作为重要信息进行视觉质量评估。受结构相似度(SSIM)的启发，很多研究者基于该指标提出了一系列评估方法，例如从局部特性上考虑SSIM，或者从区域角度计算SSIM。这些FIQRO评估都是基于图像灰度值的分布或者局部特征计算获得，然后通过简单的加权平均获得最终的FIFQ结果。从人类视觉系统(HVQ角度看，这些灰度值的分布或者局部特征并不能反映人眼的选择注意力。 同时对多个FIQRO进行简单的算术组合最终获得的FIFQ不能对极端融合结果有所体现，比如说最终的融合图像更趋向于多源中的某一个时，采用加权算法得到的FIFQ就不能体现出该融合结果的质量劣势。对于观察者而言，并不是所有的外界信息都能引起他们的注意。人类视觉系统针对特定的任务，采取一系列计算策略，选定某个特定的兴趣区域，通过快速眼部扫描运动， 将目标区域移动到视网膜的中央凹凸，从而对该区域进行更细致的观察。基于视觉心理学研究的选择注意机制已经成为人类选择特定兴趣区域的一个关键技术。综上所述，现有技术中尚没一种基于人眼注意机制的多源图像融合性能评估方法。
发明内容
本发明的目的在于提出基于显著性分析的结构相似度的融合性能评估方法，以根据人眼视觉注意机制来评估图像融合的质量。
为了解决上述技术问题，本发明提供了一种融合图像的性能评估方法，其特征在于，包括以下步骤区域划分步骤，对融合图像的各个源图像进行显著区域和非显著区域的划分；相似度计算步骤，针对所述各个源图像中的每个源图像，计算所述融合图像与源图像的所述显著区域之间的结构相似度值以及所述融合图像与该源图像的非显著区域之间的结构相似度值；评价值计算步骤，针对所述各个源图像中的每个源图像，根据源图像的所述显著区域的结构相似度值和所述非显著区域的结构相似度值，计算所述融合图像与该源图像之间的融合图像质量评价值FIQRO ；质量评估步骤，基于所述评价计算步骤计算得出的所述各个源图像的所述融合图像质量评价值FIQR0，计算图像融合质量评估值FIFQ。进一步，该方法还包括在所述区域划分步骤中，预先设定一个显著性阈值，计算源图像中各像素点的显著性值，将显著性值大于所述阈值的像素点划分到显著区域中，将显著性值小于所述阈值的像素划分到非显著区域中。进一步，该方法还包括通过像素点周围的邻域块代表该像素点，然后根据该邻域块与其余块的相异程度比较来得出该像素点的显著性值。进一步，该方法还包括在所述相似度计算步骤中，先对各个源图像与融合图像进行全图的结构相似度计算，获得一个与源图像大小一样的结构相似度图，其中每个点代表以该点为中心的邻域区域的结构相似度，参照源图像中的显著区域和非显著区域的划分， 取结构相似度图中对应于的显著区域或非显著区域中的点求均值，作为显著区域或者非显著区域的结构相似度值。进一步，该方法还包括所述评价值计算步骤中，融合图像质量评价值FIQRO的计算公式为FIQRO(Xi5F) = [Sssim(Xi, F) ] α · [LSSIM(Xi; F) ]0,其中，FIQRO(XyF)为参照源图像&的融合图像质量评价值，Sssim(Xi, F)为源图像 Xi的显著区域对应的融合结构相似度，LSSIM(Xi，F)为源图像&的非显著区域对应的融合结构相似度，参数α和β为重要性参数，α > β >0，且α+β =1。进一步，该方法还包括在所述质量评估步骤中，将关于各个源图像的所述融合图像质量评价值作为多维坐标点，计算所述多维坐标点与预先设置的理想多维对比点之间的欧式距离值，根据所述欧式距离值得出图像融合质量评估值FIFQ。进一步，该方法还包括在所述质量评估步骤中，所述图像融合质量评估值FIFQ
的具体计算公式为
权利要求
1.一种融合图像的性能评估方法，其特征在于，包括以下步骤区域划分步骤，对融合图像的各个源图像进行显著区域和非显著区域的划分；相似度计算步骤，针对所述各个源图像中的每个源图像，计算所述融合图像与源图像的所述显著区域之间的结构相似度值以及所述融合图像与该源图像的非显著区域之间的结构相似度值；评价值计算步骤，针对所述各个源图像中的每个源图像，根据源图像的所述显著区域的结构相似度值和所述非显著区域的结构相似度值，计算所述融合图像与该源图像之间的融合图像质量评价值FIQRO ；质量评估步骤，基于所述评价计算步骤计算得出的所述各个源图像的所述融合图像质量评价值FIQR0，计算图像融合质量评估值FIFQ。
2.根据权利要求1所述的方法，其特征在于，在所述区域划分步骤中，预先设定一个显著性阈值，计算源图像中各像素点的显著性值，将显著性值大于所述阈值的像素点划分到显著区域中，将显著性值小于所述阈值的像素划分到非显著区域中。
3.根据权利要求2所述的方法，其特征在于，通过像素点周围的邻域块代表该像素点， 然后根据该邻域块与其余块的相异程度比较来得出该像素点的显著性值。
4.根据权利要求1所述的方法，其特征在于，在所述相似度计算步骤中，先对各个源图像与融合图像进行全图的结构相似度计算，获得一个与源图像大小一样的结构相似度图， 其中每个点代表以该点为中心的邻域区域的结构相似度，参照源图像中的显著区域和非显著区域的划分，取结构相似度图中对应于的显著区域或非显著区域中的点求均值，作为显著区域或者非显著区域的结构相似度值。
5.根据权利要求1所述的方法，其特征在于，所述评价值计算步骤中，融合图像质量评价值FIQRO的计算公式为FIQRO(Xi5F) = [Sssim(XpF) Γ · [LSSIM(Xi; F) ]0,其中，FIQRO(XyF)为参照源图像&的融合图像质量评价值，Sssim(LF)为源图像&的显著区域对应的融合结构相似度，Lssim(Xi, F)为源图像\的非显著区域对应的融合结构相似度，参数α和β为重要性参数，α > β >0，且α+β = 1。
6.根据权利要求1至5任一项所述的方法，其特征在于，在所述质量评估步骤中，将关于各个源图像的所述融合图像质量评价值作为多维坐标点，计算所述多维坐标点与预先设置的理想多维对比点之间的欧式距离值，根据所述欧式距离值得出图像融合质量评估值 FIFQ0
7.根据权利要求6所述的方法，其特征在于，在所述质量评估步骤中，所述图像融合质量评估值FIFQ的具体计算公式为Ji^1 -FIQROiX1,F)f ^ Ji^1 -FIQRO(X1)Fyf -^-"xFIFOiX, D = I--^-FIFQiX，F) = M-r- FIFQ(X,F) =^Jn^jn其中，FIFQ(X，F)为融合图像F的图像融合质量评估值，FIQRO(XyF)为参照源图像&的融合图像质量评价值，η为源图像的个数，a,为理想多维对比点的坐标值。
8.根据权利要求7所述的方法，其特征在于，所述理想多维对比点的坐标值均为1。
9.一种图像融合质量评估系统，其特征在于，包括以下单元区域划分单元，其对融合图像的各个源图像进行显著区域和非显著区域的划分； 相似度计算单元，其针对所述各个源图像中的每个源图像，计算所述融合图像与源图像的所述显著区域之间的结构相似度值以及所述融合图像与该源图像的非显著区域之间的结构相似度值；评价值计算单元，其针对所述各个源图像中的每个源图像，根据源图像的所述显著区域的结构相似度值和所述非显著区域的结构相似度值，计算所述融合图像与该源图像之间的融合图像质量评价值FIQRO ；质量评估单元，其基于所述评价计算单元计算得出的所述各个源图像的所述融合图像质量评价值FIQR0，计算图像融合质量评估值FIFQ。
全文摘要
本发明公开了一种融合图像的性能评估方法和系统，所述方法包括以下步骤区域划分步骤，对各个源图像进行显著区域和非显著区域的划分；相似度计算步骤，计算所述融合图像与源图像的所述显著区域之间的结构相似度值以及所述融合图像与该源图像的非显著区域之间的结构相似度值；评价值计算步骤，根据源图像的所述显著区域的结构相似度值和所述非显著区域的结构相似度值，计算所述融合图像与该源图像之间的融合图像质量评价值FIQRO；质量评估步骤，基于所述评价计算步骤计算得出的所述各个源图像的所述融合图像质量评价值FIQRO，计算图像融合质量评估值FIFQ。本发明使评估结果能够基于人眼视觉注意机制，与人眼评价更具一致性，评估结果更为真实、准确。
文档编号G06T7/00GK102289808SQ20111020680
公开日2011年12月21日 申请日期2011年7月22日 优先权日2011年7月22日
发明者戴琼海, 罗晓燕 申请人:北京航空航天大学, 清华大学