您所在的位置: 成果库 一种基于层级特征融合的水下图像质量评价方法

一种基于层级特征融合的水下图像质量评价方法

成果类型:: 发明专利

发布时间: 2023-12-26 09:45:01

科技成果产业化落地方案
方案提交机构:成果发布人| 黄哲芬 | 2023-12-26 09:45:01

本发明涉及一种基于层级特征融合的水下图像质量评价方法。包括:S1、提出一种水下图像的全层次特征提取方法;S2、提出一种多特征融合方案,构建一种基于全层次特征的质量评价方法。本发明方法考虑水下图像具有任务导向的背景,即水下目标检测和识别,结合人脑视觉识别原理,提取了水下图像的层级特征,并使用几个参数密度模型有效捕获失真,综合提出一种无参考的水下图像评价方法。此方法不需要大量数据进行训练,使得决策过程更加简单。

提供一种基于层级特征融合的水下图像质量评价方法,该方法考虑水下图像具有任务导向的背景,即水下目标检测和识别,结合人脑视觉识别原理,提取了水下图像的层级特征,并使用几个参数密度模型有效捕获失真,综合提出一种无参考的水下图像评价方法。此方法不需要大量数据进行训练,使得决策过程更加简单。为实现上述目的,本发明的技术方案是:一种基于层级特征融合的水下图像质量评价方法,包括如下步骤:S1、提出一种水下图像的全层次特征提取方法;S2、提出一种多特征融合方案,构建一种基于全层次特征的质量评价方法。

水下图像在海洋资源开发、环境监测、海底考古、水下机器人等领域具有广泛的应用。但是由于水下环境的复杂性、水下图像采集的难度大以及水声信道带宽有限等原因,在接收端获取的水下图像往往带有复杂的失真。因此需要对接收端获取的水下图像进行质量评价,对水下图像质量的准确评价对于保证水下任务的成功完成和数据分析的准确性具有重要意义。

目前质量评价主要分为主观质量评价和客观质量评价。主观质量评价依赖于人眼对图像的感知,客观质量评价依赖于数学模型对图像的计算。主观质量评价是耗时和昂贵的,并且不能直接嵌入到实际系统中作为优化指标。因此,在科学研究中多采用客观质量评价。水下图像和自然场景图像在视觉特征和统计特性上存在较大差异,并且水下图像往往具有任务导向,水下图像质量评价一般要基于任务来探讨,因此自然场景图像的质量评价方法在水下图像中不适用。对于水下图像而言,目前常用的评价方法有峰值信噪比(PSNR)和结构相似性(SSIM)的方法,这两个方法的原理是比较原始图像和待测图像的像素点信息、结构的差异来评估图像的质量。这两个方法是需要参考信息的,然而水下图像在真实场景下往往没有原始图像可以参考。近些年随着深度学习的崛起,深度学习也被应用到图像质量评价领域。基于深度学习的水下图像质量评价方法不需要原始图像的信息,只需提取水下图像特征,构建水下图像与质量之间的映射关系。基于深度学习的方法有一个缺陷是需要规模较大的数据库,而现有的数据库往往不能满足这个需求。综上,现有的水下图像质量评价方法还存在改进空间。

发明人:陈炜玲 蓝锋泉 郑素梅 魏宏安 赵铁松福州大学(Fuzhou University),简称福大,位于福建省福州市,创建于1958年,是国家“双一流”建设高校,国家“211工程”建设高校,国家教育部、国家国防科技工业局与福建省人民政府共建高校,福建省三所重点建设的高水平大学之一,福建省一流大学建设高校,入选国家建设高水平大学公派研究生项目、教育部首批“卓越工程师教育培养计划”高校、新工科研究与实践项目、数据中国“百校工程”项目、国家“111计划”、“高校国际化示范学院推进计划”、国家级大学生创新创业训练计划、全国首批深化创新创业教育改革示范高校、中国政府奖学金来华留学生接收院校、全国专业学位研究生教育综合改革试点单位、国家集成电路人才培养基地、首批高等学校科技成果转化和技术转移基地、高校国家知识产权信息服务中心。

本发明提供一种基于层级特征融合的水下图像质量评价方法,该方法考虑水下图像具有任务导向的背景,即水下目标检测和识别,结合人脑视觉识别原理,提取了水下图像的层级特征,并使用几个参数密度模型有效捕获失真,综合提出一种无参考的水下图像评价方法。此方法不需要大量数据进行训练,使得决策过程更加简单。

当前专利未经权利人许可不得实施,希望将科技成果转让给研发实力雄厚的企业,由受让人对科技成果实施转化。交易的是科技成果中的知识产权,可以包括专利权、专利申请权、技术秘密等。科技成果转让后,转让方获得转让费,不再是科技成果的所有人;受让方向转让方支付转让费,并成为科技成果的新的所有人。