专利名称：一种图像融合质量评价的方法及装置的制作方法
一种图像融合质量评价的方法及装置技术领域
本发明属于图像处理中的图像融合技术领域，尤其涉及一种图像融合质量评价的 方法及装置。
背景技术：
图像融合是指将两幅或者两幅以上的源图像组合成一幅包含各源图像显著信息 的复合图像，从而获得对某一场景或者目标更全面、清晰的描述。图像融合技术以其突出的 探测优越性，广泛的应用于遥感、计算机视觉、医学军事目标探测和识别等方面，图像融合 算法也进入了较为成熟的阶段。然而，与图像融合算法本身的成熟度相比，对图像融合质量 的评价还存在较大的缺陷。
目前，对图像融合质量的评价主要包括主观评价和客观评价，主观评价主要依靠 观察者的主观感觉，评价的结论会随着观察者的兴趣以及应用领域和场合的要求不同而不 同。而客观评价主要是通过定义一些数学公式，建立起与图像质量含义相关的数学模型，然 后对待评价图像进行运算，将得到数字量作为评价指标。客观评价方法具有成本低、易于实 现等优点，但现有的客观评价方法最大问题在于没有充分考虑人类视觉系统的特点，使得 判断结果往往与主观判断存在出入。
现有的主流图像融合质量评价方法是Ge_a Piella提出的基于结构相似度的 加权评价方法，该方法分别计算融合图像与源图像、融合图像的边缘图像与源图像的边缘 图像的结构相似度，并以两者乘积作为评价指标，即基于边缘信息的融合质量评价指标 (edge-dependent fusion quality index, EFQI)。EFQI 不仅把结构相似度引入图像融合 质量评价方法中，而且充分考虑了人眼对边缘信息敏感的特性，使得EFQI比传统评价指标 更能准确地反映融合图像的质量。
然而，EFQI也存在以下问题首先，在EFQI中是以方差、梯度或熵作为特征来提取 图像的显著区域并给显著区域赋予更大的权值来提取评价指标。多聚焦图像和医学图像中 纹理细节比较多，而且显著信息恰恰集中在纹理细节比较多的区域，因此对这些区域赋予 更大的权值是合理的。但红外图像中的边缘纹理等细节信息相对较少，均匀灰度区域信息 相对的比较多。红外图像中的显著区域往往是在灰度平坦的高温亮区域，这些区域在EFQI 中反而会受到抑制，因此现有的EFQI在红外与可见光图像融合质量评价表现不佳。其次， EFQI评价指标中是计算固定大小的矩形窗口上融合图像与源图像之间的加权结构相似度， 没有充分考虑人类视觉系统的特点，而且容易受图像模糊和噪声的影响。发明内容
本发明实施例提供一种图像融合质量评价的方法，旨在解决现有的主流图像融合 质量评价方法存在的上述问题。
本发明实施例是这样实现的，一种图像融合质量评价的方法，所述方法包括
获取各源图像以及所述源图像的融合图像；
对各源图像采用模糊聚类方法进行分割得到分割图像，并将各源图像的分割图像 合并为一个总的分割获取各源图像的视觉显著图和方差显著图，将所述视觉显著图和方差显著图合并 为视觉方差显著根据所述视觉方差显著图计算权值图，并根据所述视觉方差显著图和总的分割图 计算所述源图像和融合图像各区域的显著系数；
根据所述总的分割图、权值图和显著系数，计算各个区域上融合图像与源图像的 加权结构相似度；
将所有区域的加权结构相似度求和得到该融合图像质量的评价指标。
本发明实施例还提供一种图像融合质量评价的装置，所述装置包括
图像获取单元，用于获取各源图像以及所述源图像的融合图像；
图像分割单元，用于对各源图像采用模糊聚类方法进行分割得到分割图像，并将 各源图像的分割图像合并为一个总的分割显著图获取单元，用于获取各源图像的视觉显著图和方差显著图，将所述视觉显 著图和方差显著图合并为视觉方差显著第一计算单元，用于根据所述视觉方差显著图计算权值图，并根据所述视觉方差 显著图和总的分割图计算所述源图像和融合图像各区域的显著系数；
第二计算单元，用于根据所述总的分割图、权值图和显著系数，计算各个区域上融 合图像与源图像的加权结构相似度；
指标获取单元，用于将所有区域的加权结构相似度求和得到该融合图像质量的评 价指标。
从上述技术方案中可以看出，本发明实施例在图像融合质量评价指标中引入视觉 注意机制，即各源图像的视觉显著图，从而赋予人眼敏感区域以更大的权值，并在结构相似 度的计算中舍弃了固定窗口计算而采用区域计算方法使得评价指标更符合人类视觉特性 并能避免图像模糊和噪声的影响。另外，通过仿真实验验证，本发明的图像融合质量评价指 标与现有的EFQI指标和传统的客观图像融合质量评价指标相比，与主观评价具有更高的 一致性，能更好地反映图像融合的质量。
图1是本发明实施例一提供的图像融合质量评价方法的实现流程图2是本发明实施例一提供的总显著图计算模型的原理流程图3是本发明实施例一提供的红外和可见光图像及融合图像；
图4是本发明实施例一提供的各源图像的分割图像及合并的总的分割图5是本发明实施例一提供的红外和可见光图像的方差视觉显著图6是本发明实施例二提供的的图像融合质量评价装置的组成结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对 本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
为了更好的理解本发明实施例，下面分别对结构相似度和EFQI评价指标进行介绍。
结构相似度
给定两幅大小同为MXN的图像A和F，F可以表示为源图像A的融合图像，Z、J 为A和F像素的均值，σ、σ〗和σ 分别为源图像Α、融合图像F的方差以及A和F之间的协方差，即
权利要求
1.一种图像融合质量评价的方法，其特征在于，所述方法包括 获取各源图像以及所述源图像的融合图像； 对各源图像采用模糊聚类方法进行分割得到分割图像，并将各源图像的分割图像合并为一个总的分割图； 获取各源图像的视觉显著图和方差显著图，将所述视觉显著图和方差显著图合并为视觉方差显著图； 根据所述视觉方差显著图计算权值图，并根据所述视觉方差显著图和总的分割图计算所述源图像和融合图像各区域的显著系数； 根据所述总的分割图、权值图和显著系数，计算各个区域上融合图像与源图像的加权结构相似度； 将所有区域的加权结构相似度求和得到该融合图像质量的评价指标。
2.如权利要求1所述的方法，其特征在于，所述融合图像质量的评价指标为
3.如权利要求2所述的方法，其特征在于，所述加权参数通过所述源图像的视觉显著图、方差显著图和视觉方差显著图确定，所述视觉方差显著图的计算方法如下
4.如权利要求1所述的方法，其特征在于，所述分割图像的合并原则为在所述源图像的分割图像属于同一连通区域的像素时，在总的分割图中合并为同一区域。
5.如权利要求1所述的方法，其特征在于，所述源图像和融合图像的各区域根据所述总的分割图划分获得。
6.图像融合质量评价的，其特征在于，所述装置包括 图像获取单元，用于获取各源图像以及所述源图像的融合图像； 图像分割单元，用于对各源图像采用模糊聚类方法进行分割得到分割图像，并将各源图像的分割图像合并为一个总的分割图； 显著图获取单元，用于获取各源图像的视觉显著图和方差显著图，将所述视觉显著图和方差显著图合并为视觉方差显著图； 第一计算单元，用于根据所述视觉显方差显著图计算权值图，并根据所述视觉方差显著图和总的分割图计算所述源图像和融合图像各区域的显著系数； 第二计算单元，用于根据所述总的分割图、权值图和显著系数，计算各个区域上融合图像与源图像的加权结构相似度； 指标获取单元，用于将所有区域的加权结构相似度求和得到该融合图像质量的评价指标。
7.如权利要求6所述的装置，其特征在于，所述融合图像质量的评价指标为
8.如权利要求7所述的装置，其特征在于，所述加权参数通过所述源图像的视觉显著图、方差显著图和视觉方差显著图确定，所述视觉方差显著图的计算方法如下
9.如权利要求7所述的装置，其特征在于，所述分割图像的合并原则为在所述源图像的分割图像属于同一连通区域的像素时，在总的分割图中合并为同一区域。
10.如权利要求6所述的装置，其特征在于，所述源图像和融合图像的各区域根据所述总的分割图划分获得。
全文摘要
本发明适用于图像融合技术领域，提供了一种图像融合质量评价的方法及装置，所述方法包括获取各源图像及所述源图像的融合图像；对各源图像采用模糊聚类方法进行分割得到分割图像，并将各分割图像合并为一个总的分割图；获取各源图像的视觉方差显著图；根据视觉方差显著图计算权值图，并根据视觉方差显著图和总的分割图计算源图像和融合图像各区域的显著系数；根据总的分割图、权值图和显著系数，计算各个区域上融合图像与源图像的加权结构相似度；将所有区域的加权结构相似度求和得到该融合图像质量的评价指标。本发明的评价指标与现有的EFQI指标和传统的客观评价指标相比，能更好的反映图像融合的质量，与主观评价具有更高的一致性。
文档编号G06T5/50GK103049893SQ20111031287
公开日2013年4月17日 申请日期2011年10月14日 优先权日2011年10月14日
发明者任仙怡, 胡涛, 陆芸婷, 陈三风, 梁永生, 张基宏 申请人:深圳信息职业技术学院