基于环境多要素户外场景未来生成图像的评价方法

本发明涉及一种生成图像评价方法，特别涉及一种基于环境要素针对户外场景未来一段时间内生成图像准确性的评价方法。

背景技术：

1、图像生成技术是一项多学科交叉信息技术，可依据图像与时间、外部影响因素之间关系和发展规律生成不同环境条件下的图像。目前，户外场景生成图像在景象匹配、虚拟现实、智能驾驶和飞行器仿真等领域具有广阔的应用空间。在图像生成技术中，为了评价生成图像的质量，需要引入一些评价方法，确保生成图像的准确性。

2、目前国内外专利中提出了不同评价图像生成效果的方式，它们各有优缺点。

3、专利号为us9338348b2，公开日为2021年1月12日的专利文献中提出了一种实时评估图像质量的评价方法，通过多个传感器拍摄的图像提取感兴趣区域，获得每张图像像素百分比同时通过传感器参数计算置信概率对图像质量进行评价，但该方法只能对实时图像进行质量评价，不适用于未来一段时间生成图像的效果的准确性评价。

4、专利号为us20190012581a1，公开日为2019年1月10日的专利文献中提出一种基于机器学习的方法评估生成图像。建立了包括真实图像和生成的图像的输入样本集，通过训练神经网络确定输入样本特征并对生成图像和真实图像相应的统计信息进行比较，使用距离向量相关指标is(inception score)、fid(fréchet inception distance)、sos(supervised omni-score)来评价图像生成准确率，但这些指标只是根据图像的特征进行判断，特征的空间关系并不是一一对应的，同时对于不同户外场景生成图像的评价需进行重新训练，可移植性差。

5、公布号为cn109598299a，公开日为2009年4月9日的专利文献中一种图像相似度确定方法、装置及电子设备，根据生成图像和标准图像的均方误差计算峰值信噪比，若峰值信噪比小于阈值，根据标准图像亮度相似度、对比度相似度以及结构相似度至少一个确定待测图像的相似度，实现了对生成图像质量的评价。但是该相似度评价指标无法对图像噪声、亮度、对比度和结构中单一因素进行准确评价，评价的准确性有待提升，无法对户外场景未来生成图像做出准确评价。

6、公告号为cn101853504b，公开日为2012年4月25日的专利文献中提出了一种基于视觉特性与结构相似度的图像质量评价方法，通过读取参考图像和生成待测图像的像素信息并进行分块，综合考虑人眼对于图像不同区域的关注度和敏感性不同的特性，对个方块的结构相似度指数做适当的加权平均，得到了基于视觉特性与结构相似度的图像综合质量评价指标，完成了基于视觉特性与结构相似度的质量评价方法。但该方法未考虑户外场景中的光照、温湿度、颗粒物浓度等动态变化因素对图像的影响，不能对户外场景生成图像的准确性做出全面客观的评价。

7、公布号为cn114972812a，公开日为2022年8月30日的专利文献中提出了一种基于结构相似度的非局部注意力学习方法，利用结构相似度衡量不同空域位置的信号之间的相似度，在非局部注意力学习方法中充分考虑人类视觉对信号感知亮度、对比度和结构。同时应用多尺度结构相似度mssim(multi-scale structural similarity)指标从不同尺度上进行生成图像准确率的评价，该设计方案实现了对生成图像特征的评价，但未考虑户外环境随时间变化对生成图像的影响的概率，不适用于户外场景未来不同环境条件下生成图像准确率的评价。

8、lee c等人在文献“objective video quality assessment”(lee c,cho s,choej,et al.objective video quality assessment[j].optical engineering,2006,45(1):017004-017004-11.)中提出了一种基于信息论的全参考图像评价指标，视觉信息保真度vif(visual information fidelity)。该方法基于自然场景统计和由人类视觉系统提取影像信号的概念将视觉质量与待测图像和参考图像的互信息联系起来对生成图像的准确度进行评价，但只能对灰度图像进行评价，同时不能反映图像的结构信息，故难以应用于实际户外场景生成图像的准确率评价。

9、综上所述，现有的有关于图像生成效果的评价方法的研究未考虑户外环境因素随时间变化的概率对图像的影响，无法准确评价未来一段时间生成图像的效果，不能满足户外场景未来生成图像准确率评价的需求。本发明创新地提出一种适用于户外场景未来一段时间内生成图像的预测概率评价指标，结合户外场景中各环境因素之间的关系，应用统计学方法建立了计算生成图像预测概率的数学模型，实现未来一段时间内户外场景生成图像效果的评价，具有数据获取简单、可移植性强、适用范围广等优点。

技术实现思路

1、为了探究户外场景中各个环境要素之间的关系，对未来一段时间内生成图像的效果进行评价，本发明提供一种基于环境多要素户外场景未来生成图像的评价方法，从光照作用与图像生成的时间关系以及大气作用与图像生成的因果关系计算未来一段时间内生成图像与真实图像之间的置信概率，定量评价生成图像的预测概率，实现对户外场景未来生成图像的准确性评价。

2、为了解决上述技术问题，本发明提出的一种基于环境多要素户外场景未来生成图像的评价方法，首先，获取气象数据真实值和预测值以及太阳位置信息的预测值；然后，利用全概率的计算方法计算光照作用对生成图像的预测概率；利用气溶胶传递函数预测概率和湍流传递函数预测概率计算大气作用对生成图像的预测概率；最后，通过光照作用和大气作用对生成图像的总预测概率评价户外场景未来生成图像的效果。具体步骤如下：

3、步骤1、根据搭建的气象站获得气象要素数据的真实值，通过当地气象局发布的天气预报获得气象要素数据的预测值，以当前时刻太阳位置信息作为未来3天同一时刻的太阳位置信息的预测值，所述的太阳位置信息包括太阳的入射角、太阳的高度角和太阳的方位角；所述的气象要素数据包括温度、湿度、风速、pm2.5和pm10；

4、步骤2、光照作用对生成图像的预测概率p(m)，包括：

5、2-1)确定预测时刻的日期和时间点，目标场景地点的经度和纬度，由此得到目标场景地点预测时刻的地理纬度φ、太阳的赤纬δ和太阳时角t；

6、2-2)利用式(1)、式(2)和式(3)得到目标场景地点预测时刻的太阳的高度角hs、太阳的方位角as和太阳的入射角θi：

7、sinhs＝sinφ×sinδ+cosφ×cosδ×cost                       (1)

8、cosas＝(sinhs×sinφ-sinδ)÷(coshs×cosφ)                  (2)

9、式(1)和式(2)中，φ表示地理纬度，δ表示太阳的赤纬，t表示太阳时角，

10、cosθi＝coshscosas                                   (3)

11、2-3)将目标场景地点预测时刻的太阳的高度角hs、太阳的方位角as和太阳的入射角θi作为真实值；

12、2-4)利用式(4)计算光照作用对生成图像的预测概率p(m)

13、p(m)＝p(m|a1)p(a1)+p(m|a2)p(a2)                       (4)

14、式(4)中，p(a1)和p(a2)分别为精度为秒、以所述时间点为中点的5分钟内太阳的高度角hs、太阳的方位角as真实值和预测值相同的概率：p(m|a1)和p(m|a2)分别为精度为秒、以所述时间点为中点的5分钟内太阳的入射角θi真实值与预测值相同的情况下，所述太阳的高度角hs、太阳的方位角as真实值和预测值相同的概率；

15、步骤3、大气作用对生成图像的预测概率p(n)，包括：

16、3-1)计算气溶胶传递函数mtfa的预测概率p(b)

17、

18、根据过去n年的气象要素数据的真实值和预测值，n＝1-10年，利用目标场景地点的能见度计算公式得到每一天的能见度rm的真实值和预测值；以相邻的3天为一组，计算出每一组中3天的能见度rm的真实值和预测值的差值rm_i，i＝1，2，3；对所有的差值rm_i进行统计拟合，获得未来3天能见度差值概率密度函数f(bi)，根据目标场景地点的能见度确定阈值σ1；

19、3-2)计算湍流传递函数mtfe的预测概率p(c)，

20、

21、根据过去n年的气象要素数据的真实值和预测值，利用目标场景地点的折射率结构常数计算公式得到每一天的折射率结构常数的真实值和预测值；以相邻的3天为一组，计算出每一组中3天的折射率结构常数的真实值和预测值的差值对所有的差值进行统计拟合，获得未来3天折射率结构常数差值概率密度函数f(ci)，根据目标场景地点的折射率结构常数确定阈值σ2；

22、3-3)计算大气作用对生成图像的预测概率p(n)，

23、p(n)＝p(b)×p(c)                               (7)

24、步骤4、考虑光照和大气共同作用对生成图像的总预测概率ptotal

25、ptotal＝p(m)×p(n)                                  (8)

26、通过总预测概率ptotal实现了对户外场景未来生成图像效果的评价。

27、与现有技术相比，本发明的有益效果是：

28、1)对于现有生成图像评价方法，往往没有考虑户外场景生成图像随时间变化的关系，一般着重于对某一时间节点的图像进行评价，本发明增加了未来长时间图像生成效果的评价指标，通过计算生成图像的预测概率评价生成图像的准确性，弥补了现有评价方法的不足。

29、2)现有关于图像质量评价的方法多局限于通过提取并对比生成图像与真实图像的边缘、对比度、亮度、结构等特征中的一种或多种确定评价指标进行准确度评价，但未考虑光照、温湿度、颗粒物浓度等动态因素对图像的影响，缺乏对图像动态变化概率的认识，评价信息不全面。本发明基于动态因素对图像影响的因果关系建立了户外场景中环境要素与预测概率之间的数学模型，实现对未来一段时间户外场景生成图像概率的评价。

30、3)对于一些应用深度学习和神经网络评价生成图像准确度方法，需要利用大量场景图像进行训练评价生成图像的准确性，同时针对不同户外场景需要重新学习，通用性差。本发明利用户外场景预测的环境要素数据和对应的真实数据计算生成图像的预测概率，参数信息获取简单、适用于不同户外场景、可移植性强。