论文部分内容阅读
随着社会的进步和发展，图像和视频已成为现代生活中不可或缺的一部分，人们对于获取高质量的图像需求越来越多，然而图像在采集、压缩、处理、传输和显示过程中有可能会受到噪声的影响使得图像出现降质的问题，而降质的图像对于人们的视觉感知会产生严重影响。图像是人类感知信息、表达信息和传递信息的重要手段，而降质的图像直接影响人们对图像信息理解和表达的准确性。对红外图像进行质量评价的目的是衡量图像降质的程度，减少图像后期处理的难度。同时可以给红外成像设备的改进以及图像处理算法参数的选择和传输等环节提供监控手段。首先，讨论了红外热成像设备的工作原理及红外图像的成像方式，并分析信息熵以及结构相似度评价算法的优缺点，针对信息熵存在计算灵敏度不高以及仅能统计图像的整体熵的问题，提出基于模糊熵的图像质量评价方法。该方法利用图像所具有的不确定性往往是模糊性，而不是随机性的特征，将描述模糊集不确定性程度的模糊熵理论引入到图像质量评价中，该方法数学原理简单，同时能抓住人的视觉认知本身所具有的模糊不确定性因素。仿真实验表明，该方法优于全参考MSE和PSNR全参考图像质量评价方法，是一种准确可靠的无参考红外图像清晰度评价方法。其次，针对全局模糊熵没有考虑到像素点在空间上的分布情况，不能衡量图像中局部区域的模糊程度的问题，将全局模糊熵推广到图像的局部模糊熵，设计一种基于局部模糊熵的图像质量评价方法。仿真实验表明，该算法在性能指标上优于MSE、PSNR和全局模糊熵。结构相似度评价算法可以较好的评估图像的质量，但是在评价模糊图像时，评价结果与主观评价不相符，尤其是图像模糊程度比较大时，评价结果不合理。而梯度信息能较好地反映图像边缘纹理信息，但是在抗噪性上表现不理想，因此将梯度信息引入到结构相似度评价算法中，设计一种基于梯度的结构相似度图像清晰度评价算法。仿真实验表明，该方法的评价结果与主观质量评价结果相一致。