一種基于倒譜的紅外圖像清晰度評價方法
【技術領域】
[0001] 本發(fā)明屬于紅外圖像處理領域，具體是指一種基于倒譜的紅外圖像清晰度評價方 法。
【背景技術】
[0002] 紅外圖像識別由于其非接觸式、基本無須配合和操作隱蔽性強等優(yōu)勢，被認為是 一種可廣泛使用的生物特征識別技術，長期以來一直受到學術界和產(chǎn)業(yè)界的廣泛關注。然 而，也正因為追求"無須配合"的實施效果，導致了紅外圖像采集的隨意性，圖像之間差異較 大、圖像質(zhì)量參差不齊的情況。采用低質(zhì)量的紅外圖像進行識別，必然會導致識別準確率的 下降。因此盡管目前的一些紅外圖像識別準確率已經(jīng)相當高，然而在實際應用中的表現(xiàn)卻 并不盡如人意。為此，近年來有不少研究者開始著手于研究對各種不同質(zhì)量紅外圖像足夠 魯棒的識別技術，目前雖已取得了一些進展，但離實用仍有很長的一段差距。一方面，由于 處理低質(zhì)量紅外圖像而被引入的額外手段往往十分復雜，會大大增加紅外圖像識別系統(tǒng)的 復雜度，使得紅外圖像識別耗費時間更長一一這對于多數(shù)實際應用是不可接受的；另一方 面，不受紅外圖像樣本因素影響的紅外圖像識別算法是難以獲得的。
[0003] 在基于視頻流的自動紅外圖像識別應用中，獲得的紅外圖像數(shù)量通常較多，如果 對紅外圖像樣本進行質(zhì)量評價，篩選較為合適的樣本用于識別，這無疑會提高自動紅外圖 像識別系統(tǒng)的準確率；即使樣本數(shù)目有限，也可以依據(jù)質(zhì)量評價結(jié)果來選用相應的紅外圖 像預處理方法來提高識別率。另外，根據(jù)紅外圖像的質(zhì)量情況來調(diào)整分類器的閾值或其它 參數(shù)能有效地降低錯誤拒絕率（FRR)或錯誤接受率（FAR)，亦可提高紅外圖像識別的實用 性能。可見，在自動紅外圖像識別系統(tǒng)中引入紅外圖像質(zhì)量評價環(huán)節(jié)是一條推動紅外圖像 識別實用化的重要途徑。因此，近幾年來紅外圖像的質(zhì)量評價逐漸引起了人們的關注，關于 紅外圖像質(zhì)量評價的評價框架和相關指標的研究工作也已有一些公開報道，但關于紅外圖 像質(zhì)量評價方法的研究目前還并不充分，人們往往是直接借用傳統(tǒng)的紅外圖像質(zhì)量評價方 法，其評價結(jié)果與實際情況可能存在一定差距。
[0004] 在基于視頻流的自動紅外圖像識別應用中，自動檢測采集到的紅外圖像不清晰的 情況時有發(fā)生。不清晰的紅外圖像不但會影響紅外圖像識別的準確率，而且還會影響其它 紅外圖像質(zhì)量指標的評價，故本發(fā)明將清晰度選作研究對象。影響紅外圖像清晰度的原因 主要有圖像模糊和采集噪聲干擾。忽略采集噪聲，攝像機對焦失準或拍攝瞬間沿攝像機光 軸方向快速運動會造成離焦模糊，拍攝瞬間圖像垂直于攝像機光軸方向快速運動會造成運 動模糊，實際上這兩種模糊經(jīng)常是并存的。傳統(tǒng)的紅外圖像質(zhì)量評價往往是考察經(jīng)過計 算壓縮、傳輸、增強或其他處理變換后的紅外圖像與原始紅外圖像質(zhì)量上的差別，在評價時 通常有"標準紅外圖像"可供參照。因此，無論是具有計算簡單優(yōu)點而被廣泛使用的均方 差（MSE)和峰值信噪比（PSNR)方法，還是更符合人眼視覺系統(tǒng)（HVS)特性的結(jié)構相似度 (SS頂）方法或基于自然場景統(tǒng)計（NSS)的視覺信息逼真度（VIF)方法，由于必須得通過將 變換后的紅外圖像與標準紅外圖像進行比較來做出質(zhì)量評價，故皆不適合作為自動紅外圖 像識別中的圖像清晰度評價方法。另一方面，無需參考紅外圖像的圖像質(zhì)量評價方法相對 較少，且主要用于紅外圖像自修復參數(shù)的辨識（如對點擴散函數(shù)PSF的估計等），其中的特 征提取過程較為復雜，計算耗時長，故難以滿足自動紅外圖像識別系統(tǒng)的時間要求。于是， 又提出了通過衡量紅外圖像梯度統(tǒng)計信息或高頻部分能量來評價紅外圖像清晰度的方法。 這兩種方法雖然無需參考紅外圖像，而且簡單快速，但是其實并不可靠。這是因為運動模 糊圖像的邊緣不是在所有方向都是模糊的，與運動方向垂直的方向上的邊緣并沒有發(fā)生退 化，而且運動模糊還會產(chǎn)生新的銳利邊緣（例如一個亮點可能在運動模糊后形成一條線）， 所以不能完全依據(jù)邊緣信息來判斷紅外圖像模糊程度。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于克服上述問題，提供一種基于倒譜的紅外圖像清晰度評價方 法，不僅避免了模糊參數(shù)難以辨識的問題，而且使算法得以大大簡化，提高了清晰度評價速 度。
[0006] 本發(fā)明的目的通過下述技術方案實現(xiàn)：
[0007] -種基于倒譜的紅外圖像清晰度評價方法，包括以下步驟：
[0008] A、輸入清晰的紅外圖像；
[0009] B、對輸入的紅外圖像通過人工模擬分別進行運動模糊和離焦模糊效果的降質(zhì)處 理；
[0010] C、對步驟B中進行降質(zhì)處理后的紅外圖像進行倒譜域的變換；
[0011] D、對經(jīng)過步驟C倒譜域的圖像進行二值化，并在二值化倒譜域中計算亮點的平均 能量E;
[0012] E、設定好E。值，再采用二分法使步驟D中算得的E滿足E<E。，并對紅外圖像清 晰度進行計算評價。
[0013] 步驟B中紅外圖像的降質(zhì)過程可用下面的數(shù)學模型來描述：
[0014] g(x,y) =f(x,y)*h(x,y)+n(x,y), (1)
[0015] 其中f(x,y)為輸入的清晰紅外圖像，h(x,y)為點擴散函數(shù)，n(x,y)為加性噪 聲；在這個模型里，輸出降質(zhì)紅外圖像g(x,y)被表示為f(X,y)與h(x,y)的卷積再加上 n(x，y)，忽略噪聲的影響，式（1)可寫為：
[0016] g(x,y) =f(x,y)*h(x,y) ； (2)
[0017] 考察勻速直線運動產(chǎn)生的運動模糊，拍攝瞬間物體相對鏡頭的位移大小為d，運動 方向與水平軸的夾角為Θ，則由其導致的點擴散函數(shù)為：
[0018] …
， (B)
[0019] 另外，由幾何光學分析可知，一個散焦半徑為R的點擴散函數(shù)可描述為：
[0020] (4)
[0021] 于是，通過式⑵一（4)，用一張清晰紅外圖像可分別人工模擬出其不同程度的運 動模糊和離焦模糊效果。
[0022] 步驟C中先對步驟B中處理過的紅外圖像g(x，y)進行傅立葉變換，其變換公式 為：
[0023] G(u,v) =F{g(x,y)}, (5)
[0024] 接著再進行倒譜域的變換，其倒譜域變換公式為：
[0025] Cep{I(x,y)} =F~1{log|G(u,v) |}, (6)
[0026] 式中F{ ·}和F-l{ ·}分別表示傅立葉變換和反傅立葉變換，| · |表示求復數(shù)模， 由式（2)、（6)可得：
[0027] Cep{g(x，y)} =Cep{f(x，y)}+Cep{h(x，y)}。 （7)
[0028] 步驟D中將降至處理后的紅外圖像進行二值化，先設定一個閾值參數(shù)k，把圖像灰 度值大于等于k時的像素值置為255,把圖像灰度值小于k時的像素值置為0,如此既完成 了圖像的二值化過程得到二值化倒譜域；
[0029] 將二值化倒譜域中亮點的平均能量E定義為：
[0030] (:8)
[0031] 式中權值W(i，j)定義為點（i，j)到中心點（ic，jc)的距離，C(i，j)定義為點 (i，j)的二值化實倒譜值：
[0032] p)：
[0033] (1〇)
[0034] 其中，Cep(i，j)為點（i，j)的倒譜值，T為選取的二值化閾值，對同一幅待評價紅 外圖像來說，當T值增大時，E值減小，當T值保持不變時，紅外圖像越模糊，E值越大。
[0035] 步驟E中的E。的值預設為0. 01，再采用二分法在（0, 1)區(qū)間內(nèi)搜索T，使通過式 (8)算得的E滿足E<E。，其中紅外圖像清晰度評價函數(shù)為：
[0036] Score= (1-T)X100%。 （11)
[0037] 本發(fā)明與現(xiàn)有技術相比，具有以下優(yōu)點及有益效果：
[0038] 本發(fā)明提出的倒譜域清晰度評價方法具有算法簡單，限制條件少的優(yōu)點；倒譜變 換中的大部分計算量由傅立葉變換和反傅立葉變換產(chǎn)生，采用快速傅立葉變換（FFT)方法 可大大減少計算時間；如果紅外圖像比較大，為了減少評價時間，可縮小評價區(qū)域，截取部 分區(qū)域進行上述計算；此外，降低評價精度將減少搜索次數(shù)，也能減少清晰度評價時間。
【附圖說明】
[0039] 圖1為本發(fā)明的步驟框圖。
[0040] 圖2為清晰的紅外圖像與二值化處理后的圖像的對比圖。
[0041] 圖3為運動模糊后的紅外圖像與二值化處理后的圖像的對比圖。
[0042] 圖4為離焦模糊后的紅外圖像與二值化處理后的圖像的對比圖。
【具體實施方式】