一种无人机拍摄图像质量评价方法与流程

技术特征：

1.一种无人机拍摄图像质量评价方法，对一幅无人机巡检时拍摄的图像，分别从图像整体和局部细节分析图像质量的好坏；其特征在于，具体步骤如下：

1)对无人机拍摄的图像给出一个整体的评价，主要分为两个部分：一是通过Blob分析管理边缘线段，统计线段的方位及分布；二是在变换域上分析图像的整体清晰度，对图像做DFT变换，统计频谱上的平均锐度指数，作为图像整体清晰度的评价指标；整体评价将无人机拍摄图像质量分为五个等级：很好、较好、能接受、较差、很差；

2)对于整体评价无人机拍摄图像质量为较差或很差的图像，不适合应用于实际工程中；对于整体评价无人机拍摄图像质量在能接受范围之上的图像，再对图像进行局部边缘清晰度分析，通过提取出的显著性边缘，分析边缘线段中像素点的分布，统计出显著性边缘的平均宽度，作为图像局部细节清晰度的评价指标，将图像细分为很好、较好、能接受三个等级。

2.根据权利要求1所述的无人机拍摄图像质量评价方法，其特征在于，所述步骤1)中的对无人机拍摄的图像给出一个整体的评价，具体步骤如下：

步骤1-1、输入一张无人机拍摄图像，对其进行灰度化处理；

步骤1-2、在步骤1-1生成的灰度图像上，采用8方向的prewitt算子对图像进行边缘提取，采用OSTU算法二值化梯度图像，运用Blob算法管理边缘线段，采用拟合方法计算每条线段的角度、中心点坐标、长度的属性信息，对搜索到的每条线段进行排序，筛选出包含像素最多的前n条线段；

步骤1-3、对步骤1-2中的二值图像分块处理，统计每个分块线段方位分布，并判断出图像中的平滑区域、纹理区域、边缘区域，依据边缘线段的方位分布以及图像中长边缘线段的数量判断图像的整体模糊程度；

步骤1-4、对图像进行变换域分析，在步骤1-1对图像进行灰度化处理的基础上，将灰度图像分为有限个宽度为FW的正方形块，其中FW＝2ⁿ，并且为防止块边缘的信息丢失，设置相邻块之间有FW/2的重合区域，进过分块处理后，这些方块会以最大的覆盖率覆盖一幅图像；将分块后的每块傅里叶图像的中心点平移到图像的中间，方便后续的幅度谱统计；利用统计获得的频率f和幅度谱能量S(f)数值对集合，对数变换后计算得出logS(f)∝-αlogf，其中α为每块图像对应的锐度指数，计算出每个方块对应的锐度指数α并对其进行排序，计算出前n块的图像锐度指数平均值A作为图像评价指标；

步骤1-5、结合步骤1-3和步骤1-4对无人机拍摄图像做出一个整体评价，如果图像整体评价为比较模糊，则依据步骤1-3、1-4中的测量值将此图像质量判断为较差或很差，不再对其进行局部边缘模糊分析，否则，此图像质量在能接受之上。

3.根据权利要求1所述的无人机拍摄图像质量评价方法，其特征在于，所述步骤2)中对图像进行局部边缘清晰度分析，具体步骤如下：

步骤2-1、结合步骤1-2中Blob筛选出的边缘线段，搜索出显著的边缘区域，包含像素点最多的前n条线段；

步骤2-2、将检测出的边缘线段划分为固定长度的小线段，对于显著性边缘上某一段上的中心点，在原始灰度图像中定位到该点，找到该点水平方向上最接近该点的左右灰度极值点；这两极值点认为是边缘的起始点和结束点，因而两极值点位置差即为该点所求得的显著边缘宽度；分块计算每条边缘的宽度分布，对于每个显著性边缘e_i，计算相应的边缘宽度其中：w_up(X)和w_down(X)是边缘像素的中心点X距离其上下最大或最小极值点I_max(X)与I_min(X)之间的距离，接着计算出每一分段中线段的宽度值，进而统计出每条边缘的平均宽度W_AVG；

步骤2-3、步骤2-2计算出每条显著边缘的宽度后，依据局部细节的概率模糊度量将图像细分为：图像质量很好、较好、可接受三个等级。