本發(fā)明屬于圖像質(zhì)量評(píng)估技術(shù)領(lǐng)域，特別涉及一種紅外圖像置信度評(píng)估方法，可用于光電場(chǎng)景數(shù)字仿真、半實(shí)物仿真系統(tǒng)驗(yàn)證和合成紅外圖像質(zhì)量評(píng)估等應(yīng)用。

背景技術(shù)：

紅外場(chǎng)景仿真技術(shù)有助于研究輻射在熱介質(zhì)中的傳輸過程，該技術(shù)是利用計(jì)算機(jī)圖形學(xué)技術(shù)生成并渲染典型環(huán)境的紅外場(chǎng)景，紅外場(chǎng)景仿真技術(shù)已廣泛應(yīng)用于軍事和民用領(lǐng)域，如早期預(yù)警系統(tǒng)、城市紅外可視化和犯罪分析。由于仿真紅外場(chǎng)景中由各種不同大小、形狀和強(qiáng)度的輻射源組成，輻射傳輸過程的再現(xiàn)程度直接影響紅外合成圖像的置信度，因此，對(duì)合成紅外圖像置信度的評(píng)估就顯得尤為重要。

目前，已有多種對(duì)合成紅外圖像的置信度進(jìn)行評(píng)估的技術(shù)，包括均方誤差mse與峰值信噪比psnr方法、結(jié)構(gòu)相似度指數(shù)ssim方法和多尺度結(jié)構(gòu)相似度指數(shù)ms-ssim方法等。其中：

均方誤差mse與峰值信噪比psnr方法，主要用于比較合成圖像與實(shí)測(cè)數(shù)據(jù)的相似性，但是該方法已經(jīng)被證明其評(píng)估結(jié)果不完全可靠，與人眼視覺感知系統(tǒng)的兼容性有偏差。

結(jié)構(gòu)相似度指數(shù)ssim方法，在圖像/視頻處理和計(jì)算機(jī)視覺領(lǐng)域中越來越流行，但用該方法評(píng)估紅外圖像的置信度仍然存在以下問題：首先，ssim在低方差信號(hào)上評(píng)價(jià)結(jié)果不穩(wěn)定，對(duì)高對(duì)比度變化不敏感，這使得它很難評(píng)價(jià)合成和實(shí)測(cè)紅外圖像之間的相似性；其次，紅外圖像置信度主要受人眼或機(jī)器視覺確定的特定感興趣區(qū)域roi的相似程度影響，而ssim方法直接對(duì)全圖進(jìn)行評(píng)估，可信度不高。

多尺度結(jié)構(gòu)相似度指數(shù)ms-ssim方法，是先將合成紅外圖像均勻分割為子圖像，然后評(píng)估所有子圖像的平均置信度，由于該方法對(duì)合成紅外圖像進(jìn)行的是均勻網(wǎng)格分割，會(huì)受到傳感器的漸暈等非均勻效應(yīng)的影響，降低了紅外圖像置信度評(píng)估的準(zhǔn)確性。

上述幾種紅外圖像置信度評(píng)估方法的共同不足是：對(duì)紅外圖像的置信度評(píng)估水平不高，與人眼視覺感知系統(tǒng)不兼容。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于針對(duì)上述現(xiàn)有技術(shù)的不足，提出一種基于自適應(yīng)網(wǎng)格的紅外圖像置信度評(píng)估裝置及方法，以提高對(duì)紅外圖像的置信度評(píng)估效率和評(píng)估質(zhì)量，并能與人眼視覺感知系統(tǒng)相互兼容。

本發(fā)明通過對(duì)ms-ssim圖像相似度評(píng)估方法進(jìn)行改進(jìn)，建立基于人眼視覺模型的自適應(yīng)網(wǎng)格來實(shí)現(xiàn)上述目的，其技術(shù)方案的實(shí)現(xiàn)如下：

1.一種基于自適應(yīng)網(wǎng)格的紅外圖像置信度評(píng)估裝置，其特征在于，包括：

紅外圖像獲取單元，用于獲得實(shí)測(cè)紅外圖像與合成紅外圖像，傳輸給紅外圖像分割單元；

紅外圖像分割單元，用于將實(shí)測(cè)紅外圖像與合成紅外圖像根據(jù)自適應(yīng)網(wǎng)格，分別分割成m個(gè)圖像塊，傳輸給相似度指數(shù)計(jì)算單元；

相似度指數(shù)計(jì)算單元，用于將實(shí)測(cè)紅外圖像與合成紅外圖像的m個(gè)圖像塊作為輸入，計(jì)算每一個(gè)圖像塊的相似度指數(shù)，并將m個(gè)相似度指數(shù)傳輸給置信度評(píng)估單元，其中m≥2；

加權(quán)因子計(jì)算單元，用于計(jì)算m個(gè)圖像塊中每一塊圖像相似度指數(shù)的加權(quán)因子，傳輸給置信度評(píng)估單元，其中m≥2；

置信度評(píng)估單元，用于將相似度指數(shù)與對(duì)應(yīng)的加權(quán)因子作為輸入，計(jì)算得到合成紅外圖像的置信度指數(shù)。

2.一種基于自適應(yīng)網(wǎng)格的紅外圖像置信度評(píng)估方法，其特征在于，包括：

1)利用紅外熱像儀獲取實(shí)測(cè)場(chǎng)景的實(shí)測(cè)紅外圖像，并利用紅外場(chǎng)景仿真技術(shù)

生成與實(shí)測(cè)場(chǎng)景匹配的合成紅外圖像；

2)分別在實(shí)測(cè)紅外圖像與合成紅外圖像中選取同一位置作為關(guān)注目標(biāo)的中心位置，并根據(jù)自適應(yīng)網(wǎng)格模型，從中心位置開始將實(shí)測(cè)紅外圖像與合成紅外圖像都分割成m個(gè)圖像塊，其中m≥2；

3)計(jì)算出每一個(gè)圖像塊中，實(shí)測(cè)紅外圖像與合成紅外圖像的平均輻射強(qiáng)度，標(biāo)準(zhǔn)差與協(xié)方差，并根據(jù)平均輻亮度，標(biāo)準(zhǔn)差與協(xié)方差，計(jì)算實(shí)測(cè)紅外圖像與合成紅外圖像的相似度指數(shù)q；

4)根據(jù)二維伽瑪分布規(guī)律，計(jì)算每一個(gè)圖像塊中對(duì)應(yīng)相似度指數(shù)q的加權(quán)因子w；

5)對(duì)m個(gè)圖像塊的相似度指數(shù)q與加權(quán)因子w的乘積進(jìn)行求和，其中m≥2，得到合成紅外圖像的置信度評(píng)估指數(shù)x，完成合成紅外圖像的置信度評(píng)估。

本發(fā)明與現(xiàn)有技術(shù)相比，具有如下有優(yōu)點(diǎn)：

本發(fā)明由于在分割紅外圖像時(shí)，采用了自適應(yīng)網(wǎng)格法，使得圖像與人類的感知系統(tǒng)相互兼容，同時(shí)由于利用二維伽瑪分布概率密度函數(shù)對(duì)每一個(gè)圖像塊的相似度指數(shù)進(jìn)行加權(quán)，消除了圖像漸暈效應(yīng)的影響，從而提高對(duì)紅外圖像的置信度評(píng)估效率和評(píng)估質(zhì)量。

附圖說明

圖1為本發(fā)明基于自適應(yīng)網(wǎng)格的紅外圖像置信度評(píng)估裝置框圖。

圖2為基于自適應(yīng)網(wǎng)格的紅外圖像置信度評(píng)估方法實(shí)現(xiàn)流程圖。

圖3為本發(fā)明中將紅外圖像分割成m個(gè)圖像塊的示意圖。

圖4為本發(fā)明中對(duì)m個(gè)圖像塊進(jìn)行計(jì)算獲得的加權(quán)因子的示意圖。

具體實(shí)施方式：

以下結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)說明。

參照附圖1，本發(fā)明提供了一種紅外圖像的置信度評(píng)估裝置，包括紅外圖像獲取單元1、紅外圖像分割單元2、相似度指數(shù)計(jì)算單元3、加權(quán)因子計(jì)算單元4、置信度評(píng)估單元5。紅外圖像獲取單元1，獲得實(shí)測(cè)紅外圖像與合成紅外圖像，傳輸給紅外圖像分割單元2；紅外圖像分割單元2，將實(shí)測(cè)紅外圖像與合成紅外圖像根據(jù)自適應(yīng)網(wǎng)格分別分割成m個(gè)圖像塊，傳輸給相似度指數(shù)計(jì)算單元3；相似度指數(shù)計(jì)算單元3，將實(shí)測(cè)紅外圖像與合成紅外圖像的m個(gè)圖像塊作為輸入，計(jì)算每一個(gè)圖像塊的相似度指數(shù)，并將m個(gè)相似度指數(shù)傳輸給置信度評(píng)估單元5；加權(quán)因子計(jì)算單元4，計(jì)算每一塊圖像相似度指數(shù)的加權(quán)因子，傳輸給置信度評(píng)估單元5；置信度評(píng)估單元5，根據(jù)相似度指數(shù)與對(duì)應(yīng)的加權(quán)因子計(jì)算合成紅外圖像的置信度指數(shù)。

所述紅外圖像獲取單元1，包括：實(shí)測(cè)紅外場(chǎng)景圖像獲取子單元11和合成紅外場(chǎng)景圖像獲取子單元12。

所述紅外圖像分割單元2，包括：實(shí)測(cè)紅外圖像分割子模塊21和合成紅外圖像分割子模塊22。

所述相似度指數(shù)計(jì)算單元3，包括：輻射強(qiáng)度計(jì)算子單元31，三分量計(jì)算子單元32,三分量的加權(quán)因子計(jì)算子單元33和相似度指數(shù)計(jì)算子單元34。

實(shí)測(cè)紅外場(chǎng)景圖像獲取子單元11利用中波紅外熱像儀采集實(shí)測(cè)紅外場(chǎng)景圖像的輻射強(qiáng)度信息，將其傳輸給實(shí)測(cè)紅外圖像分割子模塊21；合成紅外場(chǎng)景圖像獲取子單元12利用紅外場(chǎng)景仿真軟件，生成與實(shí)測(cè)紅外場(chǎng)景圖像匹配的合成紅外場(chǎng)景圖像的輻射強(qiáng)度信息，將其傳輸給合成紅外圖像分割子模塊22。

實(shí)測(cè)紅外圖像分割子模塊21選取實(shí)測(cè)紅外圖像的某一個(gè)目標(biāo)作為中心位置，并根據(jù)自適應(yīng)網(wǎng)格將其分割成m個(gè)圖像塊；合成紅外圖像分割子模塊22選取合成紅外圖像中同一個(gè)目標(biāo)作為中心位置，并根據(jù)自適應(yīng)網(wǎng)格將其分割成m個(gè)圖像塊。將實(shí)測(cè)紅外圖像的m個(gè)圖像塊和合成紅外圖像的m個(gè)圖像塊都傳輸給輻射強(qiáng)度計(jì)算子單元31。

輻射強(qiáng)度計(jì)算子單元31先分別計(jì)算實(shí)測(cè)紅外圖像與合成紅外圖像中每一個(gè)圖像塊輻射強(qiáng)度的平均值和標(biāo)準(zhǔn)差，再計(jì)算實(shí)測(cè)紅外圖像與合成紅外圖像中每一個(gè)圖像塊輻射強(qiáng)度的協(xié)方差，并將輻射強(qiáng)度的平均值、標(biāo)準(zhǔn)差和協(xié)方差傳輸給三分量計(jì)算子單元32；三分量計(jì)算子單元32利用實(shí)測(cè)紅外圖像與合成紅外圖像輻射強(qiáng)度的平均值、標(biāo)準(zhǔn)差和協(xié)方差，分別計(jì)算合成紅外圖像中每一個(gè)圖像塊的結(jié)構(gòu)變化分量、亮度損耗分量和對(duì)比度分量，并將三個(gè)分量傳輸給相似度指數(shù)計(jì)算子單元34；三分量的加權(quán)因子計(jì)算子單元33對(duì)于合成紅外圖像中的每一個(gè)圖像塊，分別利用ostu閾值法計(jì)算結(jié)構(gòu)變化分量的加權(quán)因子，利用sobel邊緣檢測(cè)法計(jì)算亮度損耗分量的加權(quán)因子，利用總權(quán)重為1計(jì)算對(duì)比度分量的加權(quán)因子，并將三個(gè)加權(quán)因子傳輸給相似度指數(shù)計(jì)算子單元34；相似度指數(shù)計(jì)算子單元34將三分量分別作為底數(shù)，其加權(quán)因子分別作為冪，計(jì)算三個(gè)指數(shù)的乘積作為合成紅外圖像中每一個(gè)圖像塊的相似度指數(shù)，傳輸給加權(quán)因子計(jì)算單元4。

參照附圖2，本發(fā)明提供的紅外圖像的置信度評(píng)估方法，其實(shí)現(xiàn)步驟如下：

步驟1，生成合成紅外圖像。

本步驟是利用紅外熱像儀獲取實(shí)測(cè)場(chǎng)景的實(shí)測(cè)紅外圖像，并利用紅外場(chǎng)景仿真技術(shù)生成與實(shí)測(cè)場(chǎng)景匹配的合成紅外圖像，具體實(shí)現(xiàn)如下：

1a)固定中波紅外熱像儀，采集實(shí)測(cè)場(chǎng)景在中紅外波段的實(shí)測(cè)紅外圖像的紅外輻射強(qiáng)度信息；

1b)利用紅外場(chǎng)景仿真軟件生成與實(shí)測(cè)紅外場(chǎng)景匹配的合成紅外圖像，本施例采用的紅外場(chǎng)景仿真軟件使用不限于西安電子科技大學(xué)研發(fā)的基于物理可信的紅外場(chǎng)景仿真引擎prisse。

步驟2，分割紅外圖像。

本步驟是分別在實(shí)測(cè)紅外圖像與合成紅外圖像中選取同一位置作為關(guān)注目標(biāo)的中心位置，并根據(jù)自適應(yīng)網(wǎng)格模型，從中心位置開始將實(shí)測(cè)紅外圖像與合成紅外圖像都分割成m個(gè)圖像塊，其中m≥2。

本步驟的具體實(shí)現(xiàn)如下：

2a)選取實(shí)測(cè)紅外圖像與合成紅外圖像中的同一個(gè)目標(biāo)作為中心位置，并利用正方形網(wǎng)格將實(shí)測(cè)紅外圖像與合成紅外圖像中的目標(biāo)分割出來，獲得目標(biāo)圖像塊，并將其標(biāo)記為圖像塊a，其中正方形網(wǎng)格的邊長(zhǎng)為目標(biāo)的最大長(zhǎng)度；

2b)在圖像塊a的頂點(diǎn)處分別向外延伸四條邊，使得延伸的長(zhǎng)度為圖像塊a邊長(zhǎng)的2倍，再利用兩對(duì)平行線將延伸后的四條邊封裝起來，獲得新的大正方形網(wǎng)格，其中大正方形網(wǎng)格的四條邊位置上有四個(gè)長(zhǎng)方形圖像塊，頂角位置上分別為四個(gè)正方形圖像塊，將其中左上角的正方形圖像塊重新標(biāo)記為圖像塊a；

2c)重復(fù)步驟2b)，直至整張紅外圖像分割完成，得到實(shí)測(cè)紅外圖像與合成紅外圖像分別基于自適應(yīng)網(wǎng)格分割的m個(gè)圖像塊，其中m≥2，本步驟分割的圖像塊如圖3所示。

步驟3，計(jì)算實(shí)測(cè)紅外圖像與合成紅外圖像的相似度指數(shù)。

本步驟是計(jì)算出每一個(gè)圖像塊中，實(shí)測(cè)紅外圖像與合成紅外圖像的平均輻射強(qiáng)度，標(biāo)準(zhǔn)差與協(xié)方差，并根據(jù)平均輻亮度，標(biāo)準(zhǔn)差與協(xié)方差，計(jì)算實(shí)測(cè)紅外圖像與合成紅外圖像的相似度指數(shù)q。具體實(shí)現(xiàn)如下：

3a)根據(jù)每一個(gè)圖像塊中所有像素點(diǎn)的輻射強(qiáng)度信息，分別計(jì)算實(shí)測(cè)紅外圖像的平均輻射強(qiáng)度和標(biāo)準(zhǔn)差σx與合成紅外圖像的平均輻射強(qiáng)度和標(biāo)準(zhǔn)差σy，再計(jì)算實(shí)測(cè)紅外圖像與合成紅外圖像的協(xié)方差σxy；

3b)利用紅外圖像與合成紅外圖像的平均輻射強(qiáng)度，標(biāo)準(zhǔn)差與協(xié)方差信息，根據(jù)公式和計(jì)算實(shí)測(cè)紅外圖像與合成紅外圖像每一個(gè)圖像塊的結(jié)構(gòu)變化分量s、亮度損耗分量l和對(duì)比度分量c；

3c)在每一個(gè)圖像塊中，利用大于ostu閾值的像素?cái)?shù)目與圖像塊所有的像素?cái)?shù)目的比值作為亮度損耗分量l的加權(quán)因子；

3d)根據(jù)sobel邊緣檢測(cè)算法獲得圖像塊的梯度邊緣像素?cái)?shù)目，再用梯度邊緣像素?cái)?shù)目與圖像塊所有的像素?cái)?shù)目的比值作為對(duì)比度分量c的加權(quán)因子；

3e)根據(jù)亮度損耗分量l的加權(quán)因子和對(duì)比度分量c的加權(quán)因子，利用總權(quán)重指數(shù)為1的規(guī)律，計(jì)算結(jié)構(gòu)變化分量s的加權(quán)因子；

3f)將結(jié)構(gòu)變化分量的加權(quán)因子作為結(jié)構(gòu)變化分量的冪指數(shù)，將亮度損耗分量的加權(quán)因子作為亮度損耗分量的冪指數(shù)，將對(duì)比度分量的加權(quán)因子作為對(duì)比度分量的冪指數(shù)；再將帶有加權(quán)因子的結(jié)構(gòu)變化分量，亮度損耗分量和對(duì)比度分量三者相乘，得到實(shí)測(cè)紅外圖像與合成紅外圖像中每一個(gè)圖像塊的相似度指數(shù)q。

步驟4，計(jì)算加權(quán)因子。

參照?qǐng)D4，本步驟的具體實(shí)現(xiàn)如下：

4a)將目標(biāo)圖像塊的中心位置設(shè)置為原點(diǎn)，根據(jù)二維伽瑪分布規(guī)律，計(jì)算所有像素點(diǎn)的概率密度；

4b)在每一個(gè)圖像塊中，取出將該圖像塊中心位置處的概率密度，作為該圖像塊中相似度指數(shù)q的加權(quán)因子w。

步驟5，計(jì)算置信度評(píng)估指數(shù)。

5a)對(duì)m個(gè)圖像塊中每一個(gè)圖像塊的相似度指數(shù)q與加權(quán)因子w相乘，其中m≥2，得到m個(gè)帶有加權(quán)因子的相似度指數(shù)；

5b)對(duì)所有帶加權(quán)因子的相似度指數(shù)進(jìn)行相加，得到合成紅外圖像的置信度評(píng)估指數(shù)x，完成合成紅外圖像的置信度評(píng)估。

以上描述僅是本發(fā)明的一個(gè)具體實(shí)例，不構(gòu)成對(duì)本發(fā)明的任何限制顯然對(duì)于本領(lǐng)域的專業(yè)人員來說，在了解本發(fā)明內(nèi)容和原理后，都可能在不背離本發(fā)明原理、結(jié)構(gòu)的情況下，進(jìn)行形式和細(xì)節(jié)上的各種修正和改變，但是這些基于本發(fā)明思想的修正和改變?nèi)栽诒景l(fā)明的權(quán)利要求保護(hù)范圍之內(nèi)。