欢迎来到天天文库
浏览记录
ID:46614640
大小:1.14 MB
页数:7页
时间:2019-11-26
《基于EMD的无参考图像清晰度评价方法》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、航天返回与遥感第34卷第5期78SPACECRAFTRECOVERY&REMOTESENSING2013年10月基于EMD的无参考图像清晰度评价方法贺金平阮宁娟何红艳(北京空间机电研究所,北京100094)摘要针对现有的灰度变化统计函数不能提供图像全频段综合评价的缺陷,提出了一种新的基于经验模式分解的无参考清晰度评价方法。图像经经验模式分解后,会产生多层本征模式函数图像和剩余图像。不同本征模式函数图像包含了不同频率区间的边缘、纹理信息。模糊图像和清晰图像在相同本征模式函数分解层上,表现出不同的灰度变化特性。通过统计各层本征模式函数图像的极值个数,作等权重加
2、和,并利用整幅图像像素数进行归一化处理,构建了经验模式分解清晰度参数。仿真模糊图像和遥感图像的试验结果验证了该参数评价清晰度的有效性。关键词清晰度评价经验模式分解无参考图像质量评价本征模式函数遥感中图分类号:TN911.73文献标志码:A文章编号:1009-8518(2013)05-0078-07DOI:10.3969/j.issn.1009-8518.2013.05.011No-referenceEvaluationMethodofImageDefinitionBasedonEMDHEJinpingRUANNingjuanHEHongyan(Beijin
3、gInstituteofSpaceMechanics&Electricity,Beijing100094,China)AbstractCurrentstatisticalfunctionsofgraychangescan’tsupplythecomprehensiveassessmentofthewholefrequencyspectrumofimages.Inordertoovercomethisshortcoming,anovelno-referenceevaluationmethodsoftheimagedefinitionbasedontheEmp
4、iricalModeDecomposition(EMD)isproposed.AfterEMD,theimagecanbeexpressedasmulti-layerIntrinsicModeFunction(IMF)imagesandtheresidueimage.Thedif-ferentIMFimagesincludetheinformationofedgesanddetailswhichcorrespondstothedifferentrangeoffre-quencyspectrum.Atthesamedecompositionlayer,blu
5、rimageandclearimageshowdifferentcharacteristicsofgraychanges.Firstly,theextremevaluesofeachIMFlayerarecounted,thenthenumberofeachlayer’sextremevaluesareaddedtogetherwithequalweight.Finally,thesummationisnormalizedusingthewholenumberofimagepixels.Theresultisthedefinitionevaluationp
6、arameterbasedonEMD.Thetestsofsimulationimagesandremotesensingimagesshowtheparameter’svalidityforassessingdefinition.Keywordsdefinitionevaluation;EmpiricalModeDecomposition;noreference;imagequalityevaluation;intrinsicmodefunction;remotesensing1引言目前数字图像质量(Quality)的评价可以分为主观评价和客观评价。主观
7、评价测试不仅繁琐、耗时[1]而且实行起来相当昂贵,而且还会受到观测者专业背景、心理和动机等主观因素的影响,并且不能结合到其它算法中使用。这使得在很多情况下都不方便进行主观测试。客观图像质量评价方法分为全参考收稿日期:2013-04-22基金项目:973基金(613210),国家自然科学基金(11204014)第5期贺金平等:基于EMD的无参考图像清晰度评价方法79型(FullReference,FR)、部分参考型(ReducedReference,RR)和无参考型(NoReference,NR)3种。由于NR算法无需参考图像,灵活性强,近年来,NR图像质量
8、评价受到越来越多的学者关注。不同的评价方法对于压缩、模糊、加性噪声
此文档下载收益归作者所有