紅外圖像無(wú)參考圖評(píng)價(jià)方法及應(yīng)用研究.pdf

1、紅外圖像評(píng)價(jià)具有重要的理論意義與工程價(jià)值。一方面，紅外圖像質(zhì)量是決定紅外成像系統(tǒng)性能的重要指標(biāo)。另一方面，對(duì)輸入紅外圖像進(jìn)行有效評(píng)價(jià)是紅外圖像算法性能評(píng)估的前提。紅外圖像評(píng)價(jià)的特殊之處在于大部分紅外圖像沒(méi)有參考圖像，屬于無(wú)參考質(zhì)量評(píng)價(jià)范疇。當(dāng)前的紅外圖像評(píng)價(jià)方法不具備普適性，并且這些方法相互獨(dú)立，沒(méi)有形成公認(rèn)的、完整的評(píng)價(jià)體系。
　　探索、建立一套有效的紅外圖像無(wú)參考圖質(zhì)量評(píng)價(jià)體系成為本文的主要研究?jī)?nèi)容。此外，圖像分割是眾多圖像處

2、理算法（如目標(biāo)檢測(cè)、特征分析、目標(biāo)跟蹤、精確定位）的基礎(chǔ)。圖像分割的重要意義促使人們針對(duì)紅外圖像質(zhì)量評(píng)價(jià)在圖像分割中的應(yīng)用也進(jìn)行了相關(guān)研究。筆者提出了一套新的紅外圖像無(wú)參考圖質(zhì)量評(píng)價(jià)體系。與現(xiàn)有評(píng)價(jià)方法相比，新體系具有如下優(yōu)勢(shì)：評(píng)價(jià)方法之間具有很好的互補(bǔ)性，構(gòu)成了完整的紅外圖像質(zhì)量評(píng)價(jià)體系；針對(duì)紅外圖像的不同應(yīng)用場(chǎng)合（人在回路系統(tǒng)、自動(dòng)目標(biāo)識(shí)別系統(tǒng)），分別沿著不同的技術(shù)路線（基于人眼視覺(jué)特性、與圖像算法性能相關(guān)）構(gòu)建紅外圖像質(zhì)量評(píng)價(jià)方法

3、。評(píng)價(jià)方法充分考慮了質(zhì)量評(píng)價(jià)過(guò)程中，沒(méi)有參考圖像的特點(diǎn)。本文的創(chuàng)新點(diǎn)及相關(guān)工作可歸納如下：
　　1、針對(duì)紅外圖像背景雜波量化問(wèn)題，通過(guò)比較圖像中各個(gè)背景區(qū)域與目標(biāo)區(qū)域的顯著低階特征，即相位一致性、梯度幅度等信息，研究了一種基于人眼視覺(jué)特征的紅外圖像背景雜波量化方法。實(shí)驗(yàn)表明，所提雜波量化方法能夠準(zhǔn)確度量紅外圖像的背景雜波強(qiáng)度，其度量結(jié)果與視覺(jué)感知具有很高的吻合度，與現(xiàn)有雜波量化指標(biāo)相比，其量化結(jié)果與實(shí)際情況更加吻合。
　　2

4、、通過(guò)分析紅外圖像中干擾目標(biāo)檢測(cè)性能的因素，提出了一種面向目標(biāo)檢測(cè)性能的紅外圖像質(zhì)量評(píng)價(jià)方法。為了量化描述這一方法，定義并設(shè)計(jì)實(shí)現(xiàn)了利用全局背景干擾度、局部背景相似度對(duì)背景干擾程度的定量描述。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)圖像質(zhì)量評(píng)價(jià)指標(biāo)相比，所提指標(biāo)的評(píng)價(jià)結(jié)果與實(shí)際情況更加符合，與紅外目標(biāo)檢測(cè)算法性能具有較好的相關(guān)性。
　　3、針對(duì)紅外圖像序列，分析了序列中干擾目標(biāo)跟蹤的因素，得出“紅外序列圖像的幀內(nèi)圖像質(zhì)量與幀間目標(biāo)信息變化將共同影響目

5、標(biāo)跟蹤效果”的結(jié)論。在此基礎(chǔ)上提出三個(gè)新的紅外序列圖像評(píng)價(jià)指標(biāo)：幀內(nèi)目標(biāo)信息遮隱程度、幀間目標(biāo)灰度信息變化程度、幀間目標(biāo)運(yùn)動(dòng)信息變化程度，并給出具體定義及詳細(xì)計(jì)算方法。實(shí)驗(yàn)表明，所提指標(biāo)適用于紅外序列圖像的質(zhì)量評(píng)價(jià)，與跟蹤算法性能具有很強(qiáng)的相關(guān)性，是一種有效的紅外序列圖像質(zhì)量評(píng)價(jià)方法。本文工作彌補(bǔ)了紅外圖像算法性能評(píng)估領(lǐng)域中針對(duì)序列圖像質(zhì)量評(píng)價(jià)的不足。
　　4、針對(duì)紅外圖像評(píng)價(jià)方法在圖像分割中的應(yīng)用，分析了紅外圖像中干擾分割算法性

6、能的因素，提出圖像局部活躍度指標(biāo)用以定量描述上述因素。接著從以下兩個(gè)方面進(jìn)行相關(guān)研究：(1)利用圖像局部活躍度指標(biāo)自適應(yīng)確定 Stewart PCNN模型的關(guān)鍵參數(shù)，從而解決了該模型的關(guān)鍵參數(shù)需要人工實(shí)驗(yàn)，反復(fù)確定的缺陷。(2)現(xiàn)有圖像分割算法性能評(píng)估方法往往忽略了圖像質(zhì)量的影響，對(duì)于算法整體性能評(píng)估和不同算法間的比較選擇的意義并不大。針對(duì)上述不足，在圖像局部活躍度指標(biāo)的基礎(chǔ)上，提出了圖像活躍度指標(biāo)，進(jìn)而利用該指標(biāo)，結(jié)合傳統(tǒng)優(yōu)度法，構(gòu)造