CN104050678A - 水下监测彩色图像质量测量方法 - Google Patents
水下监测彩色图像质量测量方法 Download PDFInfo
- Publication number
- CN104050678A CN104050678A CN201410309507.5A CN201410309507A CN104050678A CN 104050678 A CN104050678 A CN 104050678A CN 201410309507 A CN201410309507 A CN 201410309507A CN 104050678 A CN104050678 A CN 104050678A
- Authority
- CN
- China
- Prior art keywords
- image
- underwater
- quality
- color image
- color
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明是一种水下监测彩色图像质量测量方法,该方法采用CIELab空间的色调和饱和度方差和亮度清晰度的加权组合测量水下彩色图像的质量;通过计算CIELab空间色调方差,饱和度方差,亮度空间清晰度;然后对主观评价测试集合中的若干幅水下监测和调查彩色图像应用多元线性回归MPL获得三个加权系数,最后,得到水下彩色图像I的质量评价值UCIQE,UCIQE值与水下彩色图像的质量成正比。本发明方法合理,能够更为准确的描述相似水下彩色图像内容的质量差别,更适用于评价水下彩色图像的典型退化。本发明计算量小,速度快,提高了算法实际应用的实时性。
Description
技术领域
本发明属于图像处理和分析技术领域,特别是在存在吸收和散射光学衰减的环境中拍摄彩色图像的处理和分析。涉及无参考彩色图像质量测量和水下彩色图像的质量测量方法。
背景技术
随着水下传感器技术水平的不断进步,如何提高水下视频图像信息自动处理能力是解决智能水下监测和水下作业的关键。一种可靠和合理的水下彩色图像质量客观评价的方法对于各种水下图像、视频的处理应用,例如:水下图像分类、水下彩色图像分析、水下目标识别、水下图像复原和增强等中自动预测感知水下图像质量是非常重要的。在图像质量评价研究中,主观评价虽然被认为是合理性和准确度最高的方法,但是由于其耗时长、代价高、过程繁琐等在实际中不能得到很好的应用。客观的图像质量评价方法可分为全参考型(Full-Reference,FR)、部分参考型(Reduced-Reference,RR)和无参考型(No-Reference,NR)三种。全参考型假定原始图像存在并且完全是可以获得的,评价结果也比较准确可行。部分参考型假设原始图像的部分特征是已知的。但空气中的图像与水中不同,水下环境中没有原图像可言,对于现场测量得到的水下图像,则我们需要一个无参考或者说盲评价的客观图像质量测评方法,用来在不同环境中定义真实的图像质量。建立这样的标准很重要,计算机***需要知道什么时候停止,并决定是否已经发现了最好的结果,并且这个“最好”的结果在可比较的水下环境中是可接受的。尽管对水下彩色图像处理的研究在近年来已经如火如荼,却没有一种适用于水下彩色图像的客观质量评价方法。典型的水下彩色图像由于不同的照明条件及水体对光的吸收效应和散射效应等使得大多存在以下问题:有限的可视距离、低对比度、非均匀照明、模糊、光斑、色彩投射和各种复杂噪声。由于水下图像与自然图像的退化不同,现有的彩色图像质量客观评价方法无法有效地用于评价水下彩色图像的质量。而对于评价人眼可识别的水下彩色图像不同程度退化及增强后效果往往是更加困难的。
目前多数对无参考质量评价方法的研究主要针对自然灰度图像JPEG压缩失真或特定的应用进行设计,包括基于对比度的方法和基于边缘清晰度的方法。由于人类视觉***对不同色彩的非线性特征,使得测量一副彩色图像的视觉感知质量是非常困难的。现有的大多数自然彩色图像评价方法是灰度图像评价方法的扩展。通过将彩色图像转换成灰度图像进行评价或者将彩色图像视为三个通道的图像分别应用灰度图像质量评价方法后进行加权组合。但是从彩色图像到灰度图像的转换本身就是一个失真的过程,所以这种评价方法显然是不适合的。还有一些彩色图像评价方法针对彩色图像的某一方面进行评价,例如熵,亮度,清晰度、对比度和色调。例如Halser 和
susstunk尝试量化评价自然彩色图像在压缩处理后的色调的变化,将R、G、B线性组合成红-绿空间rg和黄-蓝空间yb,采用联合方差和均值的组合作为评价彩色图像色调变化的方法。在此基础上,Fu等人采用相似的方法,提出一种色调、清晰度和对比度的组合作为评价彩色图像质量的方法(Color Image Quality Index, CIQI)。他们采用rg和yb的统计方差和均值作为色调、采用Sobel边缘检测的结果作为清晰度,最大局部对比度作为对比度,但是这种表达与主观感知并不表现出线性关系。Karen等人在CIQI的基础上,提出了另一种基于对数的色调、清晰度和对比度的加权组合彩色图像质量评价方法(Color Quality Enhancement, CQE),并将灰度图像对比度(Root Mean Enhancement, RME)评价扩展到彩色图像多个通道,对彩色平面之间的结构和色彩部分的彩色方差和结构不同进行建模,提出了一种彩色对比度评价方法(Color RME, CRME)。
水下彩色图像的退化与JPEG压缩等过程自然图像退化产生的原因有很大不同。水下彩色图像不仅存在由吸收和散射而造成的模糊、对比度的下降,并存在非均匀的色彩投射退化现象,这与水体对不同光波长的吸收和衰减及目标距离和光源的光谱分布有关。现有的自然彩色图像评价方法无法有效的评价水下彩色图像的色彩投射问题,而且计算复杂。
水下图像的退化因素比较复杂,与自然图像的质量评价不同,至今仍未有水下图像数据库及对主观评价值可供参考。对于增强或复原严重退化图像过程中取得的一点点质量的提高,很难判断一种方法比另一种结果更好,而对于实时的和自动的处理,这却是最重要的。在水下灰度图像的处理中,Schechner
和 N. Karpel等人在水下偏振光装置分析中认为对比度是一个合理的度量水下图像质量的标准。Hou等人对以后向散射为主,存在噪声的水下目标图像,提出了一种基于加权灰度尺度角(GSA,GrayScale
Angle)的图像清晰度评价标准。Arnold-Bos等在深海和未知的水生环境实验中,采用了Pratt的评价准则,认为对较好对比度和无噪声图像,梯度幅值直方图应近似指数分布,在低梯度处有一个小峰值。他们定义了一个0~1之间的鲁棒索引。相反,若图像受噪声污染严重,或对比度很低,则梯度幅值分布是不同的。Arredondo等人对水下视频图像提出了定量评估水下噪声的方法,将估计到的速率和真实速度之间的角差分,用于评价水下视频图像。而在彩色水下图像的增强和处理中,对水下图像质量的评价仍以主观评价为主,或采用SNR和MSE及后续特征提取准确率的提高比例来衡量彩色图像增强方法的有效性。目前,没有一种针对水下彩色图像退化因素的彩色图像质量评价方法,并可以满足水下监测工作的实时性需求。
发明内容
本发明要解决的技术问题是针对海底探测、水下管线检测及其他水下工程调查中水下彩色图像的质量测量问题,提出一种水下彩色图像无参考质量测量方法。该方法结合了观察员对水下彩色图像的敏感统计属性,应用CIELab彩色空间色彩、饱和度方差和块平均清晰度的加权组合来测量海底探测、水下管线检测及其他水下工程调查中典型的彩色图像质量。本发明适用于存在饱和度下降、非均匀色彩投射、模糊和海雪退化的水下监测图像及其他具有相同退化的光衰减环境。计算复杂度低,在预测相似的水下内容不同的失真程度上具有更高的准确性,与平均主观成绩MOS相关度更好,且实时性强。
本发明所要解决的技术问题是通过以下的技术方案来实现的。本发明是一种水下监测彩色图像质量测量方法,其特点是,该方法采用CIELab空间的色调和饱和度方差和亮度清晰度的加权组合测量水下彩色图像的质量;其步骤如下:
设Ip 为CIELab空间水下彩色图像像素,p=1…N,N为图像中的像素数目;Ip =[lp ap bp ],lp 、ap 、bp 分别为CIELab空间亮度和色彩分量;
第一步,按下式计算CIELab空间色调Cp , CIELab空间饱和度Sp ,
(1)
(2)
第二步,计算CIELab空间的色调方差var_Cp 和饱和度方差var_Sp ,
(3)
(4)
(5)
(6)
第三步,计算亮度空间清晰度l_sharpness:
(7)
其中,Nedge 为亮度空间Sobel边缘检测的边缘数量,若总数大于阈值threshold1 ,则认为图像中存在目标,将图像划分成N×N大小的图像块;若图像块Pi 块中的边缘像素数大于threshold 2,则选定为有评价意义的图像块,L为有评价意义图像块的个数;对有意义的图像块,计算Pi 块内清晰度:
. (8)
其中,k1 ×k2 为具体块大小,fij 为块内像素(i, j)的灰度值;阈值的选取与图像的大小和图像块的大小有关;threshold1 ,threshold2 小于图像及块大小的10%;
第四步,在计算色调、饱和度方差和亮度空间清晰度以后,对主观评价测试集合中的若干幅水下监测和调查彩色图像应用多元线性回归MPL获得三个加权系数c1 ,c2 ,c3 ,c1 +c2 +c3 =1。
最后,得到水下彩色图像I的质量评价值UCIQE为:
(9)
UCIQEϵ[0,1], UCIQE值与水下彩色图像的质量成正比。
本发明所述的一种水下监测彩色图像质量测量方法中:所述的threshold1 ,threshold2 优选小于图像及块大小的10%。
本发明所述的一种水下监测彩色图像质量测量方法中,可以将图像划分成N×N大小的图像块时,所述的N=32或56或72。
本发明是针对同时存在吸收、散射引起的模糊、对比度降低、饱和度降低和非均匀色彩投射等退化因素的水下工程调查、监测彩色图像。本发明的原理是:光在水中传输过程中的吸收和散射影响了整个水下成像的效果。前向散射导致图像特征的模糊,后向散射通常使图像的对比度降低,产生雾状模糊叠加在图像上。通过增加人工照明虽然可以增加可视距离,但经常会导致非均匀照明情况,在图像中产生亮斑,而亮斑周围却很暗。随着水下深度的增加,色彩按照波长依次消失,在靠近光谱红色一端的波长的吸收速度大约是靠近蓝色端光谱吸收速度的100倍,在水下大约3m的地方红色消失,5m的地方橙色消失,大部分黄色在10m深左右消失,最后绿色和紫色在更深的地方消失,蓝色由于波长最短,在水下传播的距离最长,在200m深度左右,所有的色彩都会消失。除了由于水下传播距离的衰减,水中微粒的大小和属性也同样影响散射、反射、传播和吸收的速度。而在所有影响水下色彩表现的因素中,吸收是最重要的。因此,水下彩色图像的综合退化表现为饱和度降低,非均匀色彩投射,且对比度降低,细节模糊和噪声。附图1-6 为一组水下监测和调查水下彩色图像和相应的极坐标色调直方图。可以看出由于水体吸收衰减和光源的不同,原始水下彩色图像的色调分布不均,多数水下图像的色调偏蓝绿色。
在水下图像处理和分析中,我们需要这样一种质量评价方法:(a)与视知觉相关;(b)对水下图像增强和水下监测任务是可靠的;(c)针对水下彩色图像的典型退化特征;(d)能够准确的预测相似内容水下图像之间的不同失真程度;(e)具有低计算复杂度可用于实时***。
CIE L*a*b*(CIELab)是惯常用来描述人眼可见的所有颜色的均匀彩色空间,且是设备无关的。Halser 和 susstunk研究了CIELab空间彩色图像的分布,并假设图像的色彩可以用一系列CIELab空间统计信息的线性组合描述。其中包括:a、b分量方差 , ,ab空间方差斜边长度 ,色度均值和方差,饱和度均值和方差等12个统计分量。通过选择不同的统计信息组合来描述图像的色彩。为研究有效评价水下监测中彩色图像色彩失真的方法,我们组织了12名观察员,对存在色彩投射、饱和度下降、模糊和海雪综合退化的水下监测、工程调查图像共44幅进行了主观测评,测试水下图像包括质量较差的管线检测、色彩丰富的海底摄影,包括自然光照、激光、LED白光光源,细节丰富和简单等多种类型。部分测试图像如附图1-3所示。对各主观评价等级水下彩色图像的CIELab空间色度均值和方差,饱和度均值和方差和亮度对比度变化共5个统计度量进行了分析,从结果可以看出观察员们认为较好的水下彩色图像色彩丰富,亮度对比度、色调方差、饱和度方差超过平均水平。随主观评价变化,这三个分量超过均值的比例逐渐下降。测试集合各级图像CIELab空间统计度量平均值的分布,可以看出,色调方差、饱和度方差均值和亮度对比度的平均值随主观评价等级线性增长。观察员们对水下彩色图像的视觉感知与色调方差、饱和度方差和对比度的影响紧密相关。
另外,水下图像背景的单一和水体的吸收衰减,造成水下彩色图像色调分布集中在蓝绿色区域,色调分布集中。因此,在UCIQE中采用色调方差来描述水下彩色图像的色彩分布。同时,当浑浊水中存在光源照射时,水中漂浮粒子造成的海雪噪声是影响水下彩色图像质量的另一个因素。采用常见基于对比度和梯度的度量会受到“海雪”噪声的影响,无法正确评价。而彩色图像中的色调刻画色彩的主要分布却可以不受水中颗粒的影响,附图7为透明度为680cm的水池实验中,人工光源照射下随相机距离增加的标板图像序列,由图8可以看出图像中的色调分布能够描述随相机距离增加而产生的线性图像退化,图9为对应的色调直方图分布,由显示在图9中数据可以看出随相机距离增加,色调的方差逐渐降低。
水下图像的亮度较低,在具有低亮度反差的彩色图像中,基于对彩色饱和度的区别可以从背景中辨别出细节。附图10-13分别为202cm透明度水池实验环境中,在人工光源照射下不同相机距离的铁管和标板彩色图像及其对应的饱和度索引图,可以看出,由照明引起的水下彩色图像高亮反射与饱和度图像中的极大值区域相对应。因此在有光源照射下的暗水下环境中,光照引起的水下图像中的非均匀亮度现象可以由饱和度来反映。
本发明是基于CIELab空间色彩、饱和度方差和块均匀清晰度的水下彩色图像的无参考质量测量方法(Underwater Color Image Quality Evaluation,
UCIQE),可用于客观的评价水下监测任务中由水体对不同波长光的吸收和散射引起的模糊、非均匀色彩投射的彩色图像质量。可用于实时评价水下彩色增强和复原的效果,并可用于设计实现水下图像处理***中参数的自动调整来获得最佳质量的图像数据。本发明用于评价存在光源及水体造成的色彩投射、模糊和海雪噪声退化的水下管线监测、工程调查彩色图像。本发明不仅仅可以用于水下图像的质量测评,同样适用于其他存在光学散射和衰减相关的成像介质中,例如雾天、烟雾环境下拍摄的图像,本发明也可以用于医学成像,用于评价受生物散射介质如血液和组织影响而拍摄的图像。
通过水下图像质量评价模型的建立,海洋***的操作人员可以优化不同配置的成像***,对水下成像中不同的后处理方法给出适当的建议;从大量的视频图像中,自动的选择图像可用还是应该丢弃,对于满足实时性的自动分类和识别目标是非常有意义的。特别是,建立对水下图像质量的有效客观测量方法,对动态地检测和调整图像质量,自动调整图像采集***中的参数来获得最佳质量的图像数据。根据质量测量的结果对图像进行图像复原、图像重建、后滤波等算法进行最优化处理及用作判定图像处理***的算法优劣的度量具有重要的价值。
本发明与现有技术相比有如下优点:
(1) 本发明提出了首个可用于水下彩色图像质量测量的方法。
(2) 本发明主要针对水下工程调查、监测图像中的饱和度下降、非均匀色彩投射、模糊和海雪综合退化现象。
(3) 本发明与现有的主要彩色图像质量评价方法相比,能够更为准确的描述相似水下彩色图像内容的质量差别,更适用于评价水下彩色图像的典型退化。
(4) 本发明采用分块边缘判断机制,可减弱水下图像中噪声对目标图像质量判断的影响,具有一定的鲁棒性。
(5) 本发明对目标图像进行分块并行处理,对CIELab空间的亮度和色彩分别计算,提高了算法实际应用的实时性。
(6) 本发明计算量小,速度快。
(7) 本发明中采用了加权组合的质量测量方法,在结合水下视频产品时,可设计进行调节选择,满足不同水下环境的需要。
附图说明
图1-3为水下图像示例图;
图4-6为图1-3依次对应的极坐标色调直方图;
图7为人工光源水池标板图像组;
图8为图7对应的色调图组;
图9为图7对应的色调直方图分布图组;
图10为人工光源水池铁管实验图像组;
图11为图10的饱和度索引图组;
图12为人工光源水池标板实验图像组;
图13为图12和饱和度索引图组;
图14为水池内目标图;
图15为自然光照680cm透明度图14中水池内目标图像组;
图16为图15采用CRME的图像质量评价结果图;
图17为图15采用CQE 的图像质量评价结果图;
图18为图15采用CIQI的图像质量评价结果图;
图19为图15采用UCIQE的图像质量评价结果图;
图20为另一水池内目标图;
图21为自然光365cm透明度图20中水池内目标图组;
图22为图21采用CRME的图像质量评价结果图;
图23为图21采用CQE 的图像质量评价结果图;
图24为图21采用CIQI的图像质量评价结果图;
图25为图21采用UCIQE的图像质量评价结果图。
具体实施方式
以下进一步对本发明的技术方案进行描述,使本领域技术人员进一步理解本发明,而不构成对本发明权利的限制。
实施例1,一种水下监测彩色图像质量测量方法,该方法采用CIELab空间的色调和饱和度方差和亮度清晰度的加权组合测量水下彩色图像的质量;其步骤如下:
设Ip 为CIELab空间水下彩色图像像素,p=1…N,N为图像中的像素数目;Ip =[lp ap bp ],lp 、ap 、bp 分别为CIELab空间亮度和色彩分量;
第一步,按下式计算CIELab空间色调Cp , CIELab空间饱和度Sp ,
(1)
(2)
第二步,计算CIELab空间的色调方差var_Cp 和饱和度方差var_Sp ,
(3)
(4)
(5)
(6)
第三步,计算亮度空间清晰度l_sharpness:
(7)
其中,Nedge 为亮度空间Sobel边缘检测的边缘数量,若总数大于阈值threshold1 ,则认为图像中存在目标,将图像划分成N×N大小的图像块;若图像块Pi 块中的边缘像素数大于threshold 2,则选定为有评价意义的图像块,L为有评价意义图像块的个数;对有意义的图像块,计算Pi 块内清晰度:
. (8)
其中,k1 ×k2 为具体块大小,fij 为块内像素(i, j)的灰度值;阈值的选取与图像的大小和图像块的大小有关;threshold1 ,threshold2 小于图像及块大小的10%;
第四步,在计算色调、饱和度方差和亮度空间清晰度以后,对主观评价测试集合中的若干幅水下监测和调查彩色图像应用多元线性回归MPL获得三个加权系数c1 ,c2 ,c3 ,c1 +c2 +c3 =1。
最后,得到水下彩色图像I的质量评价值UCIQE为:
(9)
UCIQEϵ[0, 1], UCIQE值与水下彩色图像的质量成正比。
实施例2,所述的一种水下监测彩色图像质量测量方法,所述的threshold1 ,threshold2 小于图像及块大小的10%。
实施例3,所述的一种水下监测彩色图像质量测量方法,其特征在于,将图像划分成N×N大小的图像块时,所述的N=32或56或72。
实施例4,一种水下监测彩色图像质量测量方法(Underwater Color Image Quality Evaluation, UCIQE)。针对同时存在散射引起的模糊、对比度降低、饱和度降低和非均匀色彩投射等退化因素的水下工程调查、监测彩色图像。具体方法步骤如下:
设Ip 为CIELab空间水下彩色图像像素,p=1…N,N为图像中的像素数目。Ip =[lp ap bp ],lp 、ap 、bp 分别为CIELab空间亮度和色彩分量,Cp 为CIELab空间色调,Sp 为CIELab空间饱和度。则水下彩色图像I的质量评价值(Underwater Color Image Quality Evaluation, UCIQE)为,
(1)
其中,UCIQEϵ[0, 1],var_Cp 、var_Sp 为CIELab空间的色调和饱和度方差,l_sharpness为亮度空间清晰度,c1 、c2 、c3 加权系数,c1 +c2 +c3 =1。UCIQE值越大,说明水下彩色图像的质量越好。
(2)
(3)
(4)
(5)
(6)
(7)
(8)
其中,Nedge 为亮度空间Sobel边缘检测的边缘数量,若总数大于阈值threshold1 ,则认为图像中存在目标,将图像划分成N×N大小的图像块。(块大小的选择可以为32×32,56×56,72×72等),本实施例中N=72。若图像块Pi 块中的边缘像素数大于threshold 2,则选定为有评价意义的图像块,L为有评价意义图像块的个数。对有意义的图像块,计算Pi 块内清晰度:
. (9)
其中,k1 ×k2 为具体块大小,fij 为块内像素(i, j)的灰度值。阈值的选取与图像的大小和图像块的大小有关。实验证明,threshold1 ,和threshold2 小于图像及块大小的10%可获得较好的评价结果,本实施中取 threshold1 =3%,threshold2 =10%。
在计算色调、饱和度方差和亮度空间清晰度以后,对主观评价测试集合中的31幅水下监测和调查彩色图像应用多元线性回归(MPL)获得(1)式中的三个系数。本发明中,对由光源及水体造成的色彩投射、模糊、悬浮颗粒浑浊类型水下管线监测、工程调查水下图像,c1 =0.5162,c2 =0.1882,c3 =0.2956 。由于清晰度的计算和色调、饱和度独立计算,所以三个分量可以并行处理来提高速度。对其他类型的水下彩色图像,如果训练图像具有相似的退化因素,可以通过相应的多元线性回归进行权系数拟合,使UCIQE获得较好的性能。
实施例5,水下彩色图像质量测量方法UCIQE对随相机距离增加而不同程度退化的水下彩色图像评价的准确性性能实验:
在水池图像实施例中,水池长4.5米,宽2米,高2米。每次试验用水约15吨。水池三面带有四个观测窗口。试验目标为铁管和标板,其中标板为40
cm×50 cm的白板,上面的条纹间距是2mm,条纹宽度依次为1mm、2mm、3 mm、4 mm,在空气中如附图14所示。采用OTI-UWC-325/P/E彩色相机,分别在680cm,365cm 和 202cm透明度(Duntley法则)条件下拍摄水下图像序列。
附图15-25为自然光照随相机距离逐渐增加的在680cm透明度水下标板图像序列和365cm透明度铁管图像序列采用本发明UCIQE和其他三种主要自然彩色图像评价方法的对比,从四种方法评价结果的变化来看,随相机距离的不断增加,光衰减程度越来越大,本发明UCIQE能更准确的线性反映随相机距离变化水下图像质量的下降。
实施例6,水下彩色图像质量测量方法UCIQE与主观判断的相关程度实验:
主观测试过程如下:
在主观评价实验测试图像集合中,水下管线检测、水下工程调查类图像共44幅,综合存在色彩投射、饱和度下降、模糊和海雪等多种退化现象。观察员不是图像和视频处理领域的专业人员,且没有参加过类似的主观评价。测试水下彩色图像按照随机的顺序播放,为降低主观离群率,每幅图像随机重复4次。观察员对测试彩色图像采用五级质量评分制单激励法进行质量评价。质量等级评分为:非常差(1)、差(2)、一般(3)、好(4)和非常好(5)。为了得到有意义的分析,在实验结果对比过程中,我们使用不同的水下彩色图像数据来进行相关计算。我们采用31幅图像优化加权系数,用剩下的13幅图像计算相关。采用4参数3多项式进行回归分析,计算预测主观质量评价值与平均主观分数MOS的相关性。采用Pearson线性相关系数(Pearson’s product moment
correlation, PRCC)测量客观评价值与MOS的偏离程度,均方根误差(Root
mean square error, RMSE)来对比提出的UCIQE质量评价的准确性,Spearman等级相关系数(Spearman’s rank order
correlation, ROCC)来测量评价方法的单调性[33],对比结果如附表1所示。由表1中数据可以看出,本发明中的UCIQE用于评价存在色彩投射、模糊和悬浮颗粒造成的浑浊类型水下管线监测、工程调查图像与主观评价(MOS)具有较高的相关性,达到0.84。比CIQI高出63%,CQE高出69%,CRME高出6%,准确率较高,单调性较好,跟现有的其他自然彩色图像质量评价方法相比,更适用于评价此类水下彩色图像。
表1 UCIQE性能对比
PRCC | RMSE | SRCC | |
UCIQE | 0.8407 | 0.0704 | 0.7418 |
CQE | 0.2598 | 0.1255 | 0.3297 |
CRME | 0.7848 | 0.0805 | 0.3187 |
CIQI | 0.3074 | 0.1237 | 0.3901 |
本实施例中的4参数3多项式:
(10)
本实施例中的Pearson线性相关系数(Pearson’s product moment
correlation, PRCC):
(11)
本实施例中的均方根误差(Root mean square error,
RMSE):
(12)
本实施例中的Spearman等级相关系数(Spearman’s rank order
correlation, ROCC)
(13)
其中,OS为客观分数,Xi , Yi 分别表示第i个测试序列的预测主观分数SSp和相应的主观分数SS,n表示测试序列的总个数,,表示SSp和SS的均值。RXi , RYi 表示主观和预测主观成绩分别按相同顺序(由小到大)进行排序后,第i个成绩在各自序列中的序号。
实施例7,水下彩色图像质量测量UCIQE计算速度对比实验:
附表2为60幅水下图像的平均运行时间对比,图像的大小为545×749×3,计算机配置为Intel i7 2.8Ghz双核处理器,8G内存,应用matlab2012b进行算法仿真。从仿真结果可以看出,UCIQE运算速度最快,比同样测量清晰度、色调、对比度的CQE方法快了5倍。更满足水下彩***图像的实时应用。
表2 平均运行时间对比
UCIQE | CQE | CRME | CIQI | |
平均运行时间(s) | 0.2855 | 1.925 | 0.966 | 1.056 |
Claims (3)
1.一种水下监测彩色图像质量测量方法,其特征在于,该方法采用CIELab空间的色调和饱和度方差和亮度清晰度的加权组合测量水下彩色图像的质量;其步骤如下:
设Ip 为CIELab空间水下彩色图像像素,p=1…N,N为图像中的像素数目;Ip =[lpapbp ],lp 、ap 、bp 分别为CIELab空间亮度和色彩分量;
第一步,按下式计算CIELab空间色调Cp , CIELab空间饱和度Sp ,
(1)
(2)
第二步,计算CIELab空间的色调方差var_Cp 和饱和度方差var_Sp ,
(3)
(4)
(5)
(6)
第三步,计算亮度空间清晰度l_sharpness:
(7)
其中,Nedge 为亮度空间Sobel边缘检测的边缘数量,若总数大于阈值threshold1 ,则认为图像中存在目标,将图像划分成N×N大小的图像块;若图像块Pi 块中的边缘像素数大于threshold 2,则选定为有评价意义的图像块,L为有评价意义图像块的个数;对有意义的图像块,计算Pi 块内清晰度:
.
(8)
其中,k1 ×k2 为具体块大小,fij 为块内像素(i, j)的灰度值;阈值的选取与图像的大小和图像块的大小有关;threshold1 ,threshold2 小于图像及块大小的10%;
第四步,在计算色调、饱和度方差和亮度空间清晰度以后,对主观评价测试集合中的若干幅水下监测和调查彩色图像应用多元线性回归MPL获得三个加权系数c1 ,c2 ,c3 ,c1 +c2 +c3 =1;
最后,得到水下彩色图像I的质量评价值UCIQE为:
(9)
UCIQEϵ[0,1], UCIQE值与水下彩色图像的质量成正比。
2.根据权利要求1所述的一种水下监测彩色图像质量测量方法,其特征在于:所述的threshold1 ,threshold2 优选小于图像及块大小的10%。
3.根据权利要求1或2所述的一种水下监测彩色图像质量测量方法,其特征在于:将图像划分成N×N大小的图像块时,所述的N=32或56或72。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410309507.5A CN104050678A (zh) | 2014-07-01 | 2014-07-01 | 水下监测彩色图像质量测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410309507.5A CN104050678A (zh) | 2014-07-01 | 2014-07-01 | 水下监测彩色图像质量测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104050678A true CN104050678A (zh) | 2014-09-17 |
Family
ID=51503461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410309507.5A Pending CN104050678A (zh) | 2014-07-01 | 2014-07-01 | 水下监测彩色图像质量测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104050678A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108572008A (zh) * | 2018-04-21 | 2018-09-25 | 张冬梅 | 水龙头下方容器电子清洁*** |
CN108985350A (zh) * | 2018-06-27 | 2018-12-11 | 北京中安未来科技有限公司 | 一种基于梯度幅值稀疏特征信息识别模糊图像的方法和装置、计算设备及存储介质 |
CN109961073A (zh) * | 2019-03-29 | 2019-07-02 | 云南电网有限责任公司电力科学研究院 | 一种输电线路及杆塔信息的获取方法及装置 |
CN110378893A (zh) * | 2019-07-24 | 2019-10-25 | 北京市博汇科技股份有限公司 | 图像质量评价方法、装置和电子设备 |
CN111505659A (zh) * | 2020-05-08 | 2020-08-07 | 中国科学院半导体研究所 | 水下去水体噪声计算三维成像方法及成像*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663745A (zh) * | 2012-03-23 | 2012-09-12 | 北京理工大学 | 一种基于视觉任务的彩色融合图像质量评价方法 |
CN103617617A (zh) * | 2013-12-05 | 2014-03-05 | 淮海工学院 | 基于功率谱描述的水下图像质量评价测量方法 |
CN103632369A (zh) * | 2013-12-05 | 2014-03-12 | 淮海工学院 | 块平均清晰度组合无参考水下图像通用性质量检测方法 |
-
2014
- 2014-07-01 CN CN201410309507.5A patent/CN104050678A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663745A (zh) * | 2012-03-23 | 2012-09-12 | 北京理工大学 | 一种基于视觉任务的彩色融合图像质量评价方法 |
CN103617617A (zh) * | 2013-12-05 | 2014-03-05 | 淮海工学院 | 基于功率谱描述的水下图像质量评价测量方法 |
CN103632369A (zh) * | 2013-12-05 | 2014-03-12 | 淮海工学院 | 块平均清晰度组合无参考水下图像通用性质量检测方法 |
Non-Patent Citations (3)
Title |
---|
ZHOU WANG 等: "A Universal Image Quality Index", 《IEEE SIGNAL PROCESSING LETTERS》 * |
杨杨: "基于均匀计色制的彩色图像质量评价", 《中国优秀硕士学位论文全文数据库 信息科技辑(月刊)》 * |
杨淼 等: "无参考水下静态图像质量评价与仿真分析", 《***仿真学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108572008A (zh) * | 2018-04-21 | 2018-09-25 | 张冬梅 | 水龙头下方容器电子清洁*** |
CN108985350A (zh) * | 2018-06-27 | 2018-12-11 | 北京中安未来科技有限公司 | 一种基于梯度幅值稀疏特征信息识别模糊图像的方法和装置、计算设备及存储介质 |
CN109961073A (zh) * | 2019-03-29 | 2019-07-02 | 云南电网有限责任公司电力科学研究院 | 一种输电线路及杆塔信息的获取方法及装置 |
CN110378893A (zh) * | 2019-07-24 | 2019-10-25 | 北京市博汇科技股份有限公司 | 图像质量评价方法、装置和电子设备 |
CN110378893B (zh) * | 2019-07-24 | 2021-11-16 | 北京市博汇科技股份有限公司 | 图像质量评价方法、装置和电子设备 |
CN111505659A (zh) * | 2020-05-08 | 2020-08-07 | 中国科学院半导体研究所 | 水下去水体噪声计算三维成像方法及成像*** |
CN111505659B (zh) * | 2020-05-08 | 2023-10-03 | 中国科学院半导体研究所 | 水下去水体噪声计算三维成像方法及成像*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | An imaging-inspired no-reference underwater color image quality assessment metric | |
CN106548467B (zh) | 红外图像和可见光图像融合的方法及装置 | |
Yang et al. | An underwater color image quality evaluation metric | |
CN107172418B (zh) | 一种基于曝光情况分析的色阶映射图像质量评价方法 | |
CN108052980B (zh) | 基于图像的空气质量等级检测方法 | |
CN104050678A (zh) | 水下监测彩色图像质量测量方法 | |
CN106447646A (zh) | 一种用于无人机图像的质量盲评价方法 | |
CN105741328A (zh) | 基于视觉感知的拍摄图像质量评价方法 | |
CN105389591B (zh) | 一种红外成像传感器典型效应仿真的验证方法 | |
CN103974053B (zh) | 一种基于灰点提取的自动白平衡矫正方法 | |
CN103198467B (zh) | 图像处理装置以及图像处理方法 | |
CN103617617B (zh) | 基于功率谱描述的水下图像质量评价测量方法 | |
CN103632369B (zh) | 块平均清晰度组合无参考水下图像通用性质量检测方法 | |
CN106483130B (zh) | 一种水稻病害的检测方法及其自动检测装置 | |
CN104198325B (zh) | 基于计算机视觉的烟丝中梗丝比例测定方法 | |
CN106408526A (zh) | 一种基于多层矢量图的能见度检测方法 | |
CN104680195B (zh) | 一种自动识别道路卡口视频及图片中的车辆颜色的方法 | |
CN109741285A (zh) | 一种水下图像数据集的构建方法及*** | |
CN103076334A (zh) | 一种定量评价数字印刷线条与文本感知质量的方法 | |
CN105447825A (zh) | 图像去雾方法及其*** | |
CN107590816A (zh) | 一种基于遥感图像的水体信息拟合方法 | |
CN106709903A (zh) | 基于图像质量的pm2.5浓度预测方法 | |
CN105116412B (zh) | 一种宽带雷达isar图像性能定量判别方法 | |
Luo et al. | An underwater-imaging-model-inspired no-reference quality metric for images in multi-colored environments | |
CN110070480A (zh) | 一种水下光学图像的模拟方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140917 |