本发明针对图像集质量增强提供一种融合多种度量准则的评价方法，属于图像增强与图像质量评价领域。
背景技术：
图像增强算法的优劣需要由图像质量度量准则来评判。通常情况下，对单一图像质量增强进行评价时，通常使用某一图像质量度量准则对增强后的图像进行打分，通过比较分值大小，来说明图像增强算法的优劣。同样，现有的平均方法对图像集的质量增强进行评价时，首先使用现有的质量度量准则对增强后的图像集中的每一张图像进行打分，然后取平均值，根据平均值的大小来判断增强算法的优劣。然而平均方法的缺陷是很明显的，即仅仅只考虑了平均值这一个指标，当图像集中某些图像质量分数很高或很低时，平均值很容易波动，而且现有的平均方法只能在某一种图像质量度量准则下对图像集进行评判，不能综合考虑多个图像质量度量准则。随着大数据时代的来临，图像数据日益庞大，通常以图像集为单元来对大量图像进行增强。
技术实现要素：
本发明的目的是：提供一种可靠性高的图像集质量增强评价方法，为图像集筛选出一种性能较优的图像增强算法。
为了达到上述目的，本发明的技术方案是提供了一种融合多种度量准则的图像集质量增强评价方法，其特征在于，包括以下步骤：
步骤一：使用现有的多种图像质量度量准则分别对原始图像集中的全部图像进行质量评价，得到每张原始图像在每一种图像质量度量准则下质量分数，将第i张原始图像在第j种图像质量度量准则下的质量分数定义为αij；
步骤二：计算出原始图像集在每一种图像质量度量准则下的质量分数平均值和方差，原始图像集在第j种图像质量度量准则下的质量分数平均值为uj，方差为sj，则有：
式中，n为原始图像集中原始图像的总张数，m为图像质量度量准则的总个数；
步骤三：计算出原始图像集在每一种图像质量度量准则下的相对质量分数，原始图像集在第j种图像质量度量准则下的相对质量分数为covj，则有：
步骤四：综合考虑m种图像质量度量准则下的相对质量分数，计算原始图像集的融合质量分数ev，则有：
ev＝λ1×cov1+λ2×cov2+…+λm×covm，式中，λ1，λ2，...，λm为权重系数；
步骤五：使用某一图像增强算法e对原始图像集中所有原始图像进行质量增强，得到增强后的图像集；
步骤六：使用与步骤一相同的图像质量度量准则分别对增强后的图像集中的全部增强图像进行质量评价，得到每张增强图像在每一种图像质量度量准则下的质量分数，将第i张增强图像在第j种图像质量度量准则下的质量分数定义为βij；
步骤七：计算出增强图像集在每一种质量度量准则下的质量分数平均值和方差，增强图像集在第j种图像质量度量准则下的质量分数平均值为u′j，方差为s′j，则有：
步骤八：计算出增强图像集在每一种质量度量准则下相对质量分数，增强图像集在第j种图像质量度量准则下的相对质量分数为covj′，则有：
步骤九：综合考虑多种质量度量准则下的相对质量分数，计算出增强图像集的融合质量分数ev′：
ev′＝λ1×cov′1+λ2×cov′2+…+λm×cov′m；
步骤十：不同的图像增强算法作用于某一原始图像集时，得到与之相对应的融合质量分数ev′，根据融合质量分数ev′的大小，判断对于该原始图像集的最优图像增强算法。
优选地，步骤四中，所述权重系数λ1，λ2，…，λm可以根据具体实际应用需求来确定，默认权重大小为
优选地，步骤十中，判断规则如下：(1)对于某一种图像增强算法，如果与之相对应的融合质量分数ev′小于原始图像集的融合质量分数ev，则该图像增强算法总体上对图像集质量进行了增强，反之，则该图像增强算法总体上对图像集的质量进行了削减；(2)对于不同的图像增强算法，与之相对应的融合质量分数ev′越小，则说明该图像增强算法对图像集的增强效果越好。
本发明使用上述技术方案对增强图像集(某一图像增强算法作用于原始图像集)进行处理，得到增强图像集的融合质量分数。通过比较增强图像集的融合质量分数和原始图像集的融合质量分数的大小，即可判断本发明的图像增强算法对原始图像集的增强效果。当有多种图像增强算法作用于原始图像集时，则通过比较不同图像增强算法下增强图像集的融合质量分数大小，即可为原始图像集挑选出最佳的图像增强算法。相比于现有的平均方法，融合多种度量准则的图像集质量增强评价方法具有更高的可靠性。
附图说明
图1为本发明的总体框架图；
图2为是本发明所提方法的具体流程图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
以水下图像集为例来进一步阐述本发明。选用100张水下图像作为原始图像集，选取uciqe、uiqm、熵值这三种经典的水下图像质量度量准则来进行阐述。uciqe(underwatercolorimagequalityevaluation)是由yang和arcot提出的，是目前应用最广泛的水下图像质量度量准则；uiqm(underwaterimagequalityevaluationmetric)是由karen等人提出的一种比较经典水下图像质量度量准则；熵值准则是基于香农信息论的一种图像质量度量准则。选取直方图均衡算法作为本次实例的图像增强算法。
具体的实施步骤如下：
步骤一：将uciqe表示为q1、uiqm表示为q2、熵值表示为q3，对原始的图像集中的全部图像(i1，i2，...，i100)进行质量评价。得到每张原始图像ii在uciqe准则下质量分数分别为αi1；在uiqm准则下质量分数分别为αi2；在熵值准则下的质量分数为αi3，其中i(i＝1，2，...100)为图像标号，100为原始图像集中所包含的图像数量。
步骤二：计算出原始图像集在uciqe、uiqm、熵值准则下的质量分数平均值和方差：
uciqe准则：
uiqm准则：
熵值准则：
步骤三：计算出原始图像集在uciqe、uiqm、熵值准则下的相对质量分数：
uciqe准则：
uiqm准则：
熵值准则：
步骤四：综合考虑多种质量度量准则下的相对质量分数，计算原始图像集的融合质量分数。由于此次实例选取的质量度量准则数目m＝3，所以λ1，λ2，λ3取默认值
步骤五：使用直方图均衡算法对原始图像集中所有图像进行质量增强，得到增强后的图像集(i′1，i′2，...，i′100)。
步骤六：使用步骤一的图像质量度量准则分别对增强后的图像集中的全部图像(i′1，i′2，...，i′100)进行质量评价，得到每张增强图像在uciqe准则下的质量分数为βi1；在uiqm准则下质量分数分别为βi2；在熵值准则下的质量分数为βi3。
步骤七：计算出增强图像集在uciqe、uiqm、熵值准则下的质量分数平均值和方差：
uciqe准则：
uiqm准则：
熵值准则：
步骤八：分别计算三种质量度量准则下的相对质量分数：
uciqe准则：
uiqm准则：
熵值准则：
步骤九：综合考虑三种质量度量准则下的相对质量分数，最终得出增强图像集的融合质量分数：
步骤十：经过matlab程序计算，得出原始图像集的融合质量分数ev为0.3653，经过直方图均衡算法增强的后的增强图像集的融合质量分数ev′的值为0.0110。ev′的值小于ev的值，即直方图均衡算法总体上对该水下图像集的质量进行增强，而且ev′的值很小，说明直方图均衡算法对该水下图像集的增强效果很好。
本发明可以为各种应用于图像集的质量增强算法提供评价体系，为图像集找到一种合适的图像增强算法。不难发现，当某一图像增强算法作用于某一图像集时，只有当ev′值小于ev值时，才可以说明该图像增强算法对这一图像集具有实用价值，并具有应用到实际环境中的可靠性。