基于清晰度和亮度的航拍圖像質量評價方法

■隋傳賓，穆海坤，段 寧 ■山東明嘉勘察測繪有限公司，山東 淄博 255000

在各種與航拍圖像相關系統中，往往需要通過對圖像的質量狀況進行評價，以調整系統的相關參數，從而達到更好的航拍圖像處理效果。所以，航拍圖像的質量評價方法成為衡量各種航拍圖像處理過程的重要指標。

圖像質量評價方法主要分為主觀評價方法和客觀評價方法。主觀評價方法考慮了觀察者對圖像的理解效果。客觀質量評價方法分為全參考方法、部分參考方法及無參考方法三大類。

近年來，對無參考圖像質量評價方法引起了廣泛的關注。謝小甫等［1-4］分別利用人類視覺系統特性、剛可見模糊(JNB)及相位等結合結構相似度(SSIM)對圖像評價。該類方法對模糊圖像的估計偏差較大，使評價結果和主觀評價之間存在差異。

因此，本文提出一種基于清晰度和亮度的航拍圖像質量評價方法。該方法首先通過計算平均邊緣寬度度量圖像的清晰度;其次，對待測圖像進行指數直方圖修正，通過計算修正前后的圖像亮度差衡量圖像亮度，最后將清晰度和亮度的綜合結果作為航拍圖像質量評價的標準。該評價方法解決現有圖像質量評價方法不適用于航拍圖像的問題，提高了對航拍圖像評價的準確性，使評價結果符合人眼視覺感知。

1 基于清晰度和亮度的評價方法

目前大多數算法僅對圖像清晰度進行評價，沒有考慮圖像亮度的影響。本文針對航拍圖像的特點綜合考慮圖像清晰度和圖像亮度。

1.1 清晰度評價

航拍圖像在航行中進行拍攝，往往因飛機自身的晃動或相對運動等因素造成圖像模糊。模糊圖像的顯著特點是圖像邊緣模糊，邊緣寬度明顯變寬。因此，本文用邊緣平均寬度評價圖像的清晰度。清晰度評價步驟如下:

S1:用Sobel 算子對評價圖像進行初步邊緣檢測;

S2:根據邊緣像素點的特點，對第一步中的結果進行處理，去除偽邊緣點;

S3:對確認的邊緣像素點進行模糊度估計并計算邊緣點的模糊距離width;

S4:重復以上步驟，分別對待測圖像進行水平和垂直兩方向檢測;

S5:對水平和垂直方向的模糊估值計算進行加權，得到圖像總體模糊估計值blur，如式(1)所示。

1.2 亮度衡量

對航拍圖像來說，只有正確曝光下得到的圖像，其亮度才適合人眼辨認，計算機的進一步處理。因此，針對亮度傳統方法評價不夠嚴謹、誤判率較高的問題，提出一種基于指數直方圖修正的圖像亮度評價算法。通過指數直方圖修正，將原始圖像修正到適合人眼視覺感知的最佳范圍，通過比對修正前后灰度值的改變量衡量亮度。

采用ZHL堿性無氰鍍銀在適宜的工藝條件下所得的鍍銀層為較光亮的銀白色，顯微硬度適中，結晶細膩、均勻，可替代傳統的氰化鍍銀工藝。

以直方圖修正前后的平均灰度差值，作為亮度的衡量標準。假設航拍圖像的亮度分量平均灰度為H1，直方圖修正后的平均灰度為H2。對亮度合適且清晰的航拍圖像，其平均灰度與直方圖修正后的平均灰度非常接近;對平均灰度較高的圖像，直方圖修正可降低圖像亮度;而平均灰度低的圖像，通過直方圖修正，可提高圖像亮度。因此，H1 與H2 兩者有以下的三種關系:

①當H1 ＜H2 時，圖像亮度不夠;

②當H1 ＞H2 時，圖像亮度過強;

③當H1=H2 時，圖像亮度為標準亮度

而在實際應用中，不可能得到完全相等的H1 和H2，只能認為具有最接近的H1 和H2 值的圖像，即具有最小|H1-H2|值的圖像其亮度是最合適的。由此得到亮度評價指標lum，如式(2)所示。

基于指數直方圖修正的圖像亮度評價算法的具體步驟如下所示。

S1:根據RGB 到HIS 彩色空間的轉換方法，提取亮度分量，得到圖像灰度圖I1;

S3:對灰度圖I1 做指數分布的直方圖修正，得到灰度圖I2;

S4:計算圖像I2 的平均灰度為H2;

S5:計算亮度評價指標lum。

在步驟S3 中，為了使直方圖修正后的輸出圖像滿足人眼的主觀亮度感覺，使用指數分布作為輸出圖像灰度概率密度模型，如式(3)所示。

式中為率參數，

根據概率密度模型，得到指數直方圖修正轉換函數，如式(4)所示。

從式(4)可以看出，由概率模型得到的指數直方圖修正轉換函數使主觀亮度感覺與客觀亮度的對數呈線性相關，有利于保證亮度評價的準確性。解決了常規直方圖均衡方法沒有考慮人眼視覺與亮度的關系，對亮度衡量不準確的現象。

1.3 綜合評價指標

將清晰度評價值和亮度衡量值加權得到航拍圖像的質量評價指標AIQAI(Aerial Image Quality Assessment Index)，如式(5)所示。

AIQAI 綜合了影響航拍圖像質量最重要的兩個因素，即圖像清晰度和圖像亮度。采用該評價指標克服了傳統方法對航拍圖像片面性的評價。當blur 的值及lum 越小時，圖像質量評價指標AIQAI 的值越小，航拍圖像質量越好。

2 AIQAI 有效性分析

為了更好的評價本文提出的圖像質量評價指標AIQAI 的正確性，將該評價方法運用到實際航拍圖像解析定位系統中，這里隨機抽取如圖1 所示的6 副實際項目中的航拍圖像。

根據人眼主觀感知對圖1 中的各圖像按質量由好到差排序依次為:b，a，e，d，c，f。分別用GSM、文獻［3］、文獻［4］的方法及本文方法對圖1 中的圖像進行評價，上述各評價方式的評價結果見表1。

圖1 航拍圖像

表1 不同方法的質量評價值

上述幾種方法都是無參考型的圖像質量評價方法。GSM 及文獻［3］的方法是值越大對應圖像越好，文獻［4］及本文方法則是值越小，圖像質量越好。根據表1 中的數據顯示及分析發現，文獻［3］中對c，f的評價比a，b 都要好，即該方法缺乏對模糊圖像的評價，文獻［3］的方法不再適用。文獻［4］的方法沒有考慮亮度對圖像的視覺影響，對圖像c，f 的評價結果基本一致，不符合主觀評價結果。GSM 的評價更是無法與人眼視覺系統評價一致，其受圖像內容的影響，不適用于航拍圖像。而本文方法的評價結果則能很好的符合主觀評價，驗證了AIQAI 的正確性。

3 結論

根據航拍圖像的特點，提出一種基于清晰度和亮度的航拍圖像質量評價方法，解決了一般的圖像質量算法不適用于航拍圖像的問題。經實驗及項目實證表明，該方法能很好的適用于航拍圖像，評價效果與HVS 觀察一致。但航拍圖像除了圖像模糊和曝光不足等情況外，還存在壓縮失真等現象。因此，研究能同時評價更多影響航拍圖像質量因素的質量評價算法是未來研究的重點，也是航拍圖像質量評價中的難點。

［1］謝小甫，周進，吳欽章.一種針對圖像模糊的無參考質量評價指標［J］.計算機應用，2010，30(4):921-924.

［2］關澈，王延杰.CCD 相機實時自動調光系統［J］.光學精密工程，2008，16(2):358-366.

［3］楊春玲，高文瑞.重視邊緣區域的結構相似度圖像質量評價方法［J］.中國圖像圖形學報，2011，16(12):2133-2139.

［4］王正友，葉金財，伍雙等.一種結合邊緣檢測的模糊估計新方法［J］.中國圖像圖形學報，2009，14(11):2406-2410.