红外模糊图像的无参考质量评价方法

计算机应用 ›› 2013, Vol. 33 ›› Issue (08): 2306-2309.

红外模糊图像的无参考质量评价方法

杜少波,章冲,王超,梁晓彬,孙士保

河南科技大学电子信息工程学院，河南洛阳 471023

收稿日期:2013-03-04 修回日期:2013-04-01 发布日期:2013-09-11 出版日期:2013-08-01
通讯作者: 孙士保
作者简介:杜少波(1987-)，男，河南安阳人，硕士研究生，主要研究方向：数字图像处理、网络信息安全;
章冲(1970-)，男，河南洛阳人，博士，主要研究方向：数字图像处理;
王超(1988-)，男，河南郑州人，硕士研究生，主要研究方向：物联网;
梁晓彬(1987-)，男，河南平顶山人，硕士研究生，主要研究方向：物联网;
孙士保(1970-)，男，河南信阳人，教授，博士，主要研究方向：红外图像处理。
基金资助:
国家自然科学基金资助项目;河南省国际科技合作计划项目

Method of no-reference quality assessment for blurred infrared image

DU Shaobo,ZHANG Chong,WANG Chao,LIANG Xiaobin,SUN Shibao

College of Electronic and Information Engineering, Henan University of Science and Technology, Luoyang Henan 471023, China

Received:2013-03-04 Revised:2013-04-01 Online:2013-09-11 Published:2013-08-01
Contact: SUN Shibao

摘要/Abstract

摘要： 图像质量评价是对图像处理算法的优劣给出合理的评估,在很多无法获取原始参考图像的应用场合中使用无参考质量评价方法。通过对红外图像结构分析得知图像所具有的不确定性往往是模糊性，而不是随机性，因此将模糊集理论中模糊熵的概念引入到红外图像质量评价中,提出一种针对红外模糊图像的无参考质量评价方法，并从算法的有效性、一致性和准确性三个方面进行比较分析。仿真实验结果表明，该方法具有计算复杂度低、运算速度快和主客观评价一致等特点，且在总体性能上优于均方误差(MSE)和峰值信噪比(PSNR)全参考图像质量评价方法。

关键词: 图像质量评价, 模糊熵, 无参考, 清晰度

Abstract: The image quality assessment is to give a reasonable assessment for the quality of image processing algorithm, and No-Reference (NR) quality evaluation method is applied in a lot of situations of being unable to get the original reference image. The result of structure analysis of the infrared image shows that the uncertainty of the image is fuzzy, but not random. Therefore, the concept of fuzzy entropy was introduced into the quality assessment of infrared image. A method of no-reference quality assessment for blurred infrared image was proposed, comparisons and analysis on performance of the algorithm were given from the following aspects: efficiency, consistency and accuracy. The simulation results show that this method has the characteristics of low computation complexity, fast operation speed and consistence of subjective and objective evaluations. And the general performance is better than the assessment based on Mean Squared Error (MSE) and Peak Singal-to-Noise Ratio (PSNR).

Key words: image quality assessment, fuzzy entropy, No-Reference (NR), definition

中图分类号:

TN911.73

杜少波章冲王超梁晓彬孙士保. 红外模糊图像的无参考质量评价方法[J]. 计算机应用, 2013, 33(08): 2306-2309.

DU Shaobo ZHANG Chong WANG Chao LIANG Xiaobin SUN Shibao. Method of no-reference quality assessment for blurred infrared image[J]. Journal of Computer Applications, 2013, 33(08): 2306-2309.

[1]	李文全, 毛伊敏, 彭新东. 基于犹豫模糊集的凝聚式层次聚类算法[J]. 《计算机应用》唯一官方网站, 2023, 43(12): 3755-3763.
[2]	李佳, 郑元林, 廖开阳, 楼豪杰, 李世宇, 陈泽豪. 基于显著性深层特征的无参考图像质量评价算法[J]. 《计算机应用》唯一官方网站, 2022, 42(6): 1957-1964.
[3]	陈育丹, 高翠芳, 沈莞蔷, 殷萍. 迭代直觉模糊K-modes算法[J]. 《计算机应用》唯一官方网站, 2022, 42(2): 375-381.
[4]	王思宇, 高炜欣, 李璐. 环口焊X射线焊缝图像质量评定模型[J]. 计算机应用, 2020, 40(9): 2748-2753.
[5]	张俊升, 徐晶晶, 余伟. 面部美化图像质量无参考评价方法[J]. 计算机应用, 2020, 40(4): 1184-1190.
[6]	曹玉东, 蔡希彪. 基于增强型对抗学习的无参考图像质量评价算法[J]. 计算机应用, 2020, 40(11): 3166-3171.
[7]	程宇, 邓德祥, 颜佳, 范赐恩. 基于卷积神经网络的弱光照图像增强算法[J]. 计算机应用, 2019, 39(4): 1162-1169.
[8]	李秋珍, 栾朝阳, 汪双喜. 基于卷积神经网络的人脸图像质量评价[J]. 计算机应用, 2019, 39(3): 695-699.
[9]	熊宁欣, 王应明. 基于改进模糊熵和证据推理的多属性决策方法[J]. 计算机应用, 2018, 38(10): 2801-2806.
[10]	王翠翠, 姚登宝, 李宝萍. 基于熵和风险态度的二型模糊多属性决策方法[J]. 计算机应用, 2016, 36(9): 2535-2539.
[11]	王治文, 罗晓清, 张战成. 基于四元数小波变换的清晰度评价[J]. 计算机应用, 2016, 36(7): 1927-1932.
[12]	李娜, 周蓬勃, 耿国华, 贾晖. 色彩复原图像的质量评价方法[J]. 计算机应用, 2016, 36(6): 1673-1676.
[13]	徐军. 集成直觉模糊信息的主观信任模型[J]. 计算机应用, 2016, 36(4): 937-940.
[14]	马允, 王晓东, 章联军. 基于空域自然场景统计的无参考立体图像质量评价模型[J]. 计算机应用, 2016, 36(3): 783-788.
[15]	田金沙, 韩永国, 吴亚东, 赵小乐, 张红英. 基于尺度不变性的无参考图像质量评价[J]. 计算机应用, 2016, 36(3): 789-794.