CN105261013B - 一种扫描图像质量综合评价方法及评价系统 - Google Patents
一种扫描图像质量综合评价方法及评价系统 Download PDFInfo
- Publication number
- CN105261013B CN105261013B CN201510624140.0A CN201510624140A CN105261013B CN 105261013 B CN105261013 B CN 105261013B CN 201510624140 A CN201510624140 A CN 201510624140A CN 105261013 B CN105261013 B CN 105261013B
- Authority
- CN
- China
- Prior art keywords
- image
- post
- evaluation
- image quality
- scanning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10008—Still image; Photographic image from scanner, fax or copier
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明适用于图像质量评价领域，提供了一种扫描图像质量综合评价方法，包括：步骤S1，对扫描图像进行预处理；步骤S2，对预处理后的扫描图像进行无参考图像质量评价，得到无参考图像质量评价指标D1；步骤S3，对预处理后的扫描图像进行参考图像质量评价，得到参考图像质量评价指标D2；步骤S4，根据无参考图像质量评价指标D1和参考图像质量评价指标D2以及各自的权重，计算得到图像质量综合评价指标D。本发明提供一图像质量综合评价指标，将市面上的众多评价指标收敛至一个，代替人的主观意识对图像质量的评价，实现了对图像质量的统一描述。
Description
技术领域
本发明属于图像质量评价领域，尤其涉及一种基于多目标多约束的扫描图像质量评价方法及评价系统。
背景技术
扫描图像质量主要表现在图像的可懂程度和逼真程度两个方面。可懂程度反映采集到的图像给人或计算机提供信息的能力，与图像应用有关；逼真程度反映扫描图像与标准图像的偏差，偏差越小表示图像越逼真。图像可懂程度越大或逼真程度越高表明图像质量越高，反之，亦然。目前图像质量评价指标过多，各自有各自不用的评价方法，显得纷乱繁杂，为实现对图像质量的统一描述，需要从理论出发采用数学方法度量图像的像素或频率特性，构建图像质量综合评价体系，使得图像质量评价代替人的主观感知且真实可信、操作简单、容易实现。
发明内容
本发明所要解决的技术问题在于提供一种基于多目标多约束的扫描图像质量评价方法，旨在解决目前图像质量评价方法不统一、侧重点不同,从而导致评价结果掺入过多主观因素的问题，提供一个综合性的图像质量评价指标。
本发明是这样实现的，一种扫描图像质量综合评价方法，包括以下步骤：
步骤S1，对扫描图像进行预处理；
步骤S2，对预处理后的扫描图像进行无参考图像质量评价，得到无参考图像质量评价指标D1；
步骤S3，对预处理后的扫描图像进行参考图像质量评价，得到参考图像质量评价指标D2；
步骤S4，根据无参考图像质量评价指标D1和参考图像质量评价指标D2以及各自的权重，计算得到图像质量综合评价指标D。
进一步地，在步骤S3之前还包括：
步骤S31，对所述预处理后的扫描图像进行阀值分割和二值化处理，得到后扫描图像；
步骤S32，读取所述预处理后的扫描图像对应的Gerber资料生成标准图像；
步骤S33，提取所述后扫描图像和所述标准图像对应的特征点，计算所述标准图像到所述后扫描图像的变换矩阵，通过矩阵变换将所述标准图像变换到与所述后扫描图像等大的扫描图，得到后标准图像；
所述步骤S3具体为：对所述后扫描图像和所述后标准图像进行参考图像质量评价，得到参考图像质量评价指标D2。
进一步地，所述图像质量综合评价指标的计算公式为：D＝w1D1+w2D2，w1表示无参考图像质量评价对应的权重值，w2表示参考图像质量评价对应的权重值，其中：
μ、σ、g和A分别表示所述扫描图像的亮度、方差、清晰度和拉伸率；
D2＝SIM(1-MSE)，MSE和SIM分别表示后扫描图像和后标准图像之间的均方差和相似度。
进一步地，所述无参考图像质量评价的评价指标包括：亮度μ、方差σ、信息熵H、清晰度g和拉伸率A，所述指标变量取值范围均在[0,1]之间；以M和N分别表示所述扫描图像I的行列数，I(i,j)表示所述扫描图像在(i,j)处的灰度值，m表示所述扫描图像灰度级最大值，各评价指标通过如下公式计算得到：
1)亮度：
2)方差：
3)信息熵：Pi表示所述扫描图像取灰度值i的概率，L表示灰度级总数；
4)清晰度：
5)拉伸率：rx为所述扫描图像圆的直径，ry为纵向上变形后的长度，A<1表示图像压缩，A>1表示图像拉伸。
再进一步地，所述拉伸率可进一步修正为：
进一步地，所述参考图像质量评价的评价指标包括：
均方差MSE、峰值信噪比PNSR和相似度SIM，所述相似度SIM包括亮度相似度LSIM、对比相似度CSIM和结构相似度SSIM，所述相似度SIM的计算公式为：SIM＝LSIM*CSIM*SSIM；
以I1(i,j)表示所述后扫描图像在(i,j)处的灰度值，I0(i,j)表示所述后标准图像在(i,j)处的灰度值，M和N表示两幅图像的行列数，则以上各评价指标通过如下公式计算得到：
1)均方差：
2)峰值信噪比：
3)亮度相似度：其中： μ1表示所述后扫描图像的亮度，μ0表示所述后标准图像的亮度；
4)对比相似度：其中： σ1表示所述后扫描图像的标准差，σ0表示所述后标准图像的标准差；
5)结构相似度：其中：σ10表示所述后扫描图像与所述后标准图像的联合标准差。
本发明还提供了一种扫描图像质量综合评价系统，包括：
预处理单元，用于对扫描图像进行预处理；
无参考图像质量评价单元，用于对预处理后的扫描图像进行无参考图像质量评价，得到无参考图像质量评价指标D1；
参考图像质量评价单元，用于对预处理后的扫描图像进行参考图像质量评价，得到参考图像质量评价指标D2；
计算单元，用于根据无参考图像质量评价指标D1和参考图像质量评价指标D2以及各自的权重，计算得到图像质量综合评价指标D。
进一步地，所述预处理单元包括：
预处理模块，用于对扫描图档进行去噪、形态学运算和灰度补偿的预处理；
处理模块，用于对预处理后的扫描图档进行阀值分割和二值化处理，得到后扫描图像；
生成模块，用于读取所述预处理后的扫描图像对应的Gerber资料生成标准图像；
变换模块，用于提取所述后扫描图像和所述标准图像对应的特征点，计算所述标准图像到所述后扫描图像的变换矩阵，通过矩阵变换将所述标准图像变换到与所述后扫描图像等大的扫描图，得到后标准图像。
进一步地，所述无参考图像质量评价单元包括：
亮度评价模块，用于计算所述扫描图像的亮度；
方差评价模块，用于计算所述扫描图像的方差；
信息熵评价模块，用于计算所述扫描图像的信息熵；
清晰度评价模块，用于计算所述扫描图像的清晰度；
拉伸率评价模块，用于计算所述扫描图像的拉伸率；
进一步地，所述参考图像质量评价单元包括：
均方差评价模块，用于计算所述后扫描图像和所述后标准图像的均方差；
峰值信噪比评价模块，用于计算所述后扫描图像和所述后标准图像的峰值信噪比；
相似度评价模块，包括亮度相似度评价子模块、对比相似度子模块和结构相似度子模块，用于计算所述后扫描图像和所述后标准图像的相似度；
其中:
所述亮度相似度评价子模块，用于计算所述后扫描图像和所述后标准图像的亮度相似度；
所述对比相似度评价子模块，用于计算所述后扫描图像和所述后标准图像的对比相似度；
所述结构相似度评价子模块，用于计算所述后扫描图像和所述后标准图像的结构相似度。
本发明与现有技术相比，有益效果在于：本发明为统一目前对图像质量的描述提供一图像质量综合评价指标，将市面上的众多评价指标收敛至一个，代替人的主观意识对图像质量的评价，实现了对图像质量的统一描述。
附图说明
图1是本发明实施例提供的一种扫描图像质量评价体系。
图2是本发明实施例提供的一种扫描图像质量评价方法的流程图。
图3是本发明实施例提供的一种扫描图像质量评价系统的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
常见的图像质量评价体系主要由无参考图像质量评价方法和参考图像质量评价方法,如图1所示。无参考图像质量评价方法的主要评价指标包括亮度、方差、信息熵、清晰度和拉伸率等。参考图像质量评价方法是通过比较标准图像与扫描图像的信息，计算两幅图像差异获取相对评估的指标值来进行图像质量评价，主要评价指标有均方差、峰值信噪比、亮度相似性、对比度相似性和结构相似性。为形成一个对图像质量统一的、整体的评价，需要建立一个图像质量综合评价指标，本发明图像质量综合评价指标由无参考图像质量评价指标与参考图像质量评价指标两部分加权作为最后的结合评价结果。
从上述原理出发，图2示出了本发明实施例提供的一种扫描图像质量评价方法的流程，具体包括如下步骤：
S101，对图像进行扫描；
S102，对扫描得到的图像进行预处理，得到扫描图像；
S103，对步骤S102中获取的所述扫描图像进行无参考图像质量评价，得到无参考图像质量评价指标D1；
S104，对步骤S102中获取的所述扫描图像进行阀值分割和二值化处理，得到后扫描图像；
S105,读取步骤S102中的所述扫描图像对应的Gerber资料；
S106，根据步骤S105中的Gerber资料生成对应的标准图像；
S107，提取所述后扫描图档和所述标准图像的相同对应特征点；
S108，对所述后扫描图档和所述标准图像进行配准；
S109，根据步骤S107和S108提取的相同对应特征点和配准结果，计算所述标准图像到所述后扫描图像的变换矩阵，将所述标准图像变换到与所述后扫描图像等大的扫描图，得到后标准图像；
S110，对所述后扫描图像和所述后标准图像进行参考图像质量评价，得到参考图像质量评价指标D2；
S111，根据无参考图像质量评价指标D1和参考图像质量评价指标D2计算得到图像质量综合评价指标D。
在上述步骤中，所述步骤S102中的预处理，包括对扫描得到的图像进行去噪、形态学运算、灰度补偿等；步骤S103中的无参考图像质量评价主要包括亮度、方差、信息熵、清晰度和拉伸率的评价指标的计算，从而进一步计算出无参考图像质量评价指标D1；在步骤S110中的参考图像质量评价主要包括均方差、峰值信噪比、亮度相似度、对比相似度和机构相似度的评价指标的计算，从而进一步计算出参考图像质量评价指标D2；在步骤S110中，通过无参考图像质量评价指标D1和所述参考图像质量评价指标D2可进一步地计算出图像质量评价综合指标D。
本发明提供的实施例的具体计算方法如下：
1)无参考图像质量评价指标的计算：
设定，M和N分别是所述扫描图像I的行列数，I(i,j)表示所述扫描图像在(i,j)处的灰度值，m表示所述扫描图像灰度级最大值，对8位灰度图来说，m＝255；对16位灰度图来说，m＝65535。
1)亮度，亮度的定义为：
2)方差，方差定义为：
方差越大，表示所述扫描图像轮廓越明显。
3)信息熵，信息熵定义为：
其中Pi是所述扫描图像取灰度值i的概率，L为灰度级总数。信息熵与方差本质上反映的都是灰度概率分布情况。
4)清晰度，清晰度定义为：
一般来说，g值越大，所述扫描图像就越清晰。
5)拉伸率，拉伸率定义为：
rx为所述扫描图像圆的直径，ry为纵向上变形后的长度。A<1表示所述扫描图像压缩，A>1表示所述扫描图像拉伸。为进一步优化所述扫描图像拉伸率定义，使之与所述扫描图像质量方向一致，可将公式修正为：
该式表明：A值越大，所述扫描图像拉伸程度越小，所述扫描图像质量越好。
(2)有参考图像质量评价指标的计算
I1(i,j)表示所述后扫描图像在(i,j)处的灰度值，I0(i,j)表示所述后标准图像在(i,j)处的灰度值。M和N表示两幅图像的行列数。
1)均方差，均方差定义为：
均方差取值范围在[0，1]之间，当所述后扫描图像和所述后标准图两幅图像完全相同时取最小值0，两幅图像完全相反时为最大值1，此时所述后扫描图像质量最差。因此，均方差是一个与图像质量成反比的评价指标。
2)峰值信噪比，峰值信噪比定义为：
其中m表示图像灰度级最大值。
3)相似度
■亮度相似性定义为：
其中，μ1表示所述后扫描图像亮度，μ0表示所述后标准图像亮度。当μ1＝μ0时LSIM取最大值1，即所述后扫描图像与所述后标准图像两幅图像完全相同时，LSIM取得最大值。
■对比相似性定义为：
其中，σ1表示所述后扫描图像标准差，σ0表示所述后标准图像标准差。当σ1＝σ0时LSIM取最大值1，即所述后扫描图像与所述后标准图像两幅图像完全相同时，CSIM取得最大值。
■结构相似性定义为：
其中，σ10表示所述后扫描图像与所述后标准图像联合标准差。SSIM表征图像间的相似性，当所述后扫描图像与所述后标准图像两幅图像完全相同时取最大值1。
综上所述，通过图像的亮度相似度、对比度相似度、结构相似度来得到图像相似度，如图2.5所示，相似度定义为：
SIM＝LSIM*CSIM*SSIM (12)
即：
由式(2.12)可知，图像的相似度SIM取值范围在0～1之间，SIM与两幅图像之间的相似程度有关，SIM越大，所述后扫描图像与所述后标准图像越相似，图像质量就越高；反之，图像质量越差。当两幅图像完全相同时，SIM取得最大值1。
(3)图像质量综合评价指标的计算
用变量D表示图像质量综合评价指标，定义如下公式：
D＝w1D1+w2D2 (14)
式中，D1、D2针对有、无参考图像质量评价结果，w1、w2为对应的权重值。本文取w1＝0.5，w2＝0.5。
无参考图像质量评价指标通过亮度、方差、清晰度与拉伸率四个指标决定，公式定义如下：
其中，各变量取值范围均在[0,1]之间，四个指标与图像质量正相关，指标值越大，表示图像质量越好。
参考图像质量评价指标通过均方差和相似性两个指标决定，公式定义如下：
D2＝SIM(1-MSE) (16)
其中，均方差MSE，取值范围MSE∈[0,1]；相似性SIM取值范围SIM∈[0,1]。均方差是衡量图像质量退化的重要因素，其值越大，对图像失真越严重越大。相似性是对图像逼真程度的测量，其值越大，则扫描图像越接近标准图像。也就是说，参考图像质量评价指标包括两部分，相似性变化与图像质量同方向，值越大，图像质量就越好，是衡量图像质量横向的依据；均方差变化与图像质量反方向，值越大，图像质量就越差。
最终获得的图像质量综合评价指标为：
图3示出了本发明提供的扫描图像质量综合评价系统的结构原理，为了便于描述，仅示出了与本发明相关的部分，其中各单元模块可以通过软件实现、硬件实现或者软硬件结合的方式实现。参照图3,，该评价系统包括：
预处理单元1，用于对扫描图像进行预处理；
无参考图像质量评价单元2，用于对预处理后的扫描图像进行无参考图像质量评价，得到无参考图像质量评价指标D1；
参考图像质量评价单元3，用于对预处理后的扫描图像进行参考图像质量评价，得到参考图像质量评价指标D2；
计算单元4，用于根据无参考图像质量评价指标D1和参考图像质量评价指标D2以及各自的权重，计算得到图像质量综合评价指标D。
其中，预处理单元1包括：
预处理模块11，用于对扫描图档进行去噪、形态学运算和灰度补偿的预处理；
处理模块12，用于对预处理后的扫描图档进行阀值分割和二值化处理，得到后扫描图像；
生成模块13，用于读取所述预处理后的扫描图像对应的Gerber资料生成标准图像；
变换模块14，用于提取所述后扫描图像和所述标准图像对应的特征点，计算所述标准图像到所述后扫描图像的变换矩阵，通过矩阵变换将所述标准图像变换到与所述后扫描图像等大的扫描图，得到后标准图像。
其中，无参考图像质量评价单元2包括：
亮度评价模块21，用于计算所述扫描图像的亮度；
方差评价模块22，用于计算所述扫描图像的方差；
信息熵评价模块23，用于计算所述扫描图像的信息熵；
清晰度评价模块24，用于计算所述扫描图像的清晰度；
拉伸率评价模块25，用于计算所述扫描图像的拉伸率；
其中，参考图像质量评价单元3包括：
均方差评价模块31，用于计算所述后扫描图像和所述后标准图像的均方差；
峰值信噪比评价模块32，用于计算所述后扫描图像和所述后标准图像的峰值信噪比；
相似度评价模块33，包括亮度相似度评价子模块331、对比相似度子模块332和结构相似度子模块333，用于计算所述后扫描图像和所述后标准图像的相似度；
其中:
所述亮度相似度评价子模块331，用于计算所述后扫描图像和所述后标准图像的亮度相似度；
所述对比相似度评价子模块332，用于计算所述后扫描图像和所述后标准图像的对比相似度；
所述结构相似度评价子模块333，用于计算所述后扫描图像和所述后标准图像的结构相似度。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种扫描图像质量综合评价方法，其特征在于，包括以下步骤：
步骤S1，对扫描图像进行预处理；
步骤S2，对预处理后的扫描图像进行无参考图像质量评价，得到无参考图像质量评价指标D1；
步骤S3，对预处理后的扫描图像进行参考图像质量评价，得到参考图像质量评价指标D2；
步骤S4，根据无参考图像质量评价指标D1和参考图像质量评价指标D2以及各自的权重，计算得到图像质量综合评价指标D；
其中，步骤S3包括：
步骤S31，对所述预处理后的扫描图像进行阈值分割和二值化处理，得到后扫描图像；
步骤S32，读取所述预处理后的扫描图像对应的Gerber资料生成标准图像；
步骤S33，提取所述后扫描图像和所述标准图像对应的特征点，计算所述标准图像到所述后扫描图像的变换矩阵，通过矩阵变换将所述标准图像变换到与所述后扫描图像等大的扫描图，得到后标准图像；
对所述后扫描图像和所述后标准图像进行参考图像质量评价，得到参考图像质量评价指标D2。
2.如权利要求1所述的扫描图像质量综合评价方法，其特征在于，所述图像质量综合评价指标的计算公式为：D＝w1D1+w2D2，w1表示无参考图像质量评价对应的权重值，w2表示参考图像质量评价对应的权重值，其中：
μ、σ、g和A分别表示所述扫描图像的亮度、方差、清晰度和拉伸率；
D2＝SIM(1-MSE)，MSE和SIM分别表示后扫描图像和后标准图像之间的均方差和相似度。
3.如权利要求2所述的扫描图像质量综合评价方法，其特征在于，所述无参考图像质量评价的评价指标包括：亮度μ、方差σ、清晰度g和拉伸率A；以M和N分别表示所述扫描图像I的行列数，I(i,j)表示所述扫描图像在(i,j)处的灰度值，m表示所述扫描图像灰度级最大值，各评价指标通过如下公式计算得到：
1)亮度：
2)方差：
3)清晰度：
<mrow>
<mi>g</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mo>(</mo>
<mi>M</mi>
<mo>-</mo>
<mn>2</mn>
<mo>)</mo>
<mo>(</mo>
<mi>N</mi>
<mo>-</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>2</mn>
</mrow>
<mrow>
<mi>M</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>2</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<mo>{</mo>
<mfrac>
<mrow>
<mo>|</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>+</mo>
<mo>|</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>+</mo>
<mo>|</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>+</mo>
<mo>|</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
<mrow>
<mn>4</mn>
<mi>m</mi>
</mrow>
</mfrac>
<mo>}</mo>
<mo>;</mo>
</mrow>
4)拉伸率：rx为所述扫描图像圆的直径，ry为纵向上变形后的长度，A<1表示图像压缩，A>1表示图像拉伸，A＝1表示图像无变形。
4.如权利要求3所述的扫描图像质量综合评价方法，其特征在于，所述拉伸率可进一步修正为：
<mrow>
<mi>A</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mfrac>
<msub>
<mi>r</mi>
<mi>y</mi>
</msub>
<msub>
<mi>r</mi>
<mi>x</mi>
</msub>
</mfrac>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<msub>
<mi>r</mi>
<mi>y</mi>
</msub>
<mo>&le;</mo>
<msub>
<mi>r</mi>
<mi>x</mi>
</msub>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mfrac>
<msub>
<mi>r</mi>
<mi>x</mi>
</msub>
<msub>
<mi>r</mi>
<mi>y</mi>
</msub>
</mfrac>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<msub>
<mi>r</mi>
<mi>y</mi>
</msub>
<mo>></mo>
<msub>
<mi>r</mi>
<mi>x</mi>
</msub>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>.</mo>
</mrow>
5.如权利要求2所述的扫描图像质量综合评价方法，其特征在于，所述参考图像质量评价的评价指标包括：
均方差MSE和相似度SIM，所述相似度SIM包括亮度相似度LSIM、对比相似度CSIM和结构相似度SSIM，所述相似度SIM的计算公式为：SIM＝LSIM*CSIM*SSIM；
以I1(i,j)表示所述后扫描图像在(i,j)处的灰度值，I0(i,j)表示所述后标准图像在(i,j)处的灰度值，M和N表示两幅图像的行列数，则以上各评价指标通过如下公式计算得到：
1)均方差：
2)亮度相似度：其中： μ1表示所述后扫描图像的亮度，μ0表示所述后标准图像的亮度；
3)对比相似度：其中： σ1表示所述后扫描图像的标准差，σ0表示所述后标准图像的标准差；
4)结构相似度：其中：σ10表示所述后扫描图像与所述后标准图像的联合标准差。
6.一种扫描图像质量综合评价系统，其特征在于，包括：
预处理单元，用于对扫描图像进行预处理；
无参考图像质量评价单元，用于对预处理后的扫描图像进行无参考图像质量评价，得到无参考图像质量评价指标D1；
参考图像质量评价单元，用于对预处理后的扫描图像进行参考图像质量评价，得到参考图像质量评价指标D2；
计算单元，用于根据无参考图像质量评价指标D1和参考图像质量评价指标D2以及各自的权重，计算得到图像质量综合评价指标D；
其中，所述预处理单元包括：
预处理模块，用于对扫描图档进行去噪、形态学运算和灰度补偿的预处理；
处理模块，用于对预处理后的扫描图档进行阈值分割和二值化处理，得到后扫描图像；
生成模块，用于读取所述预处理后的扫描图像对应的Gerber资料生成标准图像；
变换模块，用于提取所述后扫描图像和所述标准图像对应的特征点，计算所述标准图像到所述后扫描图像的变换矩阵，通过矩阵变换将所述标准图像变换到与所述后扫描图像等大的扫描图，得到后标准图像，对所述后扫描图像和所述后标准图像进行参考图像质量评价，得到参考图像质量评价指标D2。
7.如权利要求6所述的扫描图像质量综合评价系统，其特征在于，所述无参考图像质量评价单元包括：
亮度评价模块，用于计算所述扫描图像的亮度；
方差评价模块，用于计算所述扫描图像的方差；
信息熵评价模块，用于计算所述扫描图像的信息熵；
清晰度评价模块，用于计算所述扫描图像的清晰度；
拉伸率评价模块，用于计算所述扫描图像的拉伸率。
8.如权利要求6所述的扫描图像质量综合评价系统，其特征在于，所述参考图像质量评价单元包括：
均方差评价模块，用于计算所述后扫描图像和所述后标准图像的均方差；
峰值信噪比评价模块，用于计算所述后扫描图像和所述后标准图像的峰值信噪比；
相似度评价模块，包括亮度相似度评价子模块、对比相似度子模块和结构相似度子模块，用于计算所述后扫描图像和所述后标准图像的相似度；
其中:
所述亮度相似度评价子模块，用于计算所述后扫描图像和所述后标准图像的亮度相似度；
所述对比相似度评价子模块，用于计算所述后扫描图像和所述后标准图像的对比相似度；
所述结构相似度评价子模块，用于计算所述后扫描图像和所述后标准图像的结构相似度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510624140.0A CN105261013B (zh) | 2015-09-25 | 2015-09-25 | 一种扫描图像质量综合评价方法及评价系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510624140.0A CN105261013B (zh) | 2015-09-25 | 2015-09-25 | 一种扫描图像质量综合评价方法及评价系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105261013A CN105261013A (zh) | 2016-01-20 |
| CN105261013B true CN105261013B (zh) | 2018-04-13 |
Family
ID=55100685
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510624140.0A Active CN105261013B (zh) | 2015-09-25 | 2015-09-25 | 一种扫描图像质量综合评价方法及评价系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105261013B (zh) |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106250353A (zh) * | 2016-08-10 | 2016-12-21 | 广东电网有限责任公司电力科学研究院 | 一种熵权计算方法和多目标决策方法 |
| WO2018098697A1 (zh) * | 2016-11-30 | 2018-06-07 | 中国科学院深圳先进技术研究院 | 一种影像特征的可重复性测量方法及装置 |
| CN107240092B (zh) * | 2017-05-05 | 2020-02-14 | 浙江大华技术股份有限公司 | 一种图像模糊度检测方法及装置 |
| CN107292331B (zh) * | 2017-05-22 | 2019-06-11 | 浙江科技学院 | 基于无监督特征学习的无参考屏幕图像质量评价方法 |
| CN107316323B (zh) * | 2017-06-28 | 2020-09-25 | 北京工业大学 | 基于多尺度分析法建立的无参考图像质量评估方法 |
| CN109584198B (zh) * | 2017-09-26 | 2022-12-23 | 浙江宇视科技有限公司 | 一种人脸图像质量评价方法、装置及计算机可读存储介质 |
| CN107578412B (zh) * | 2017-09-28 | 2021-03-02 | 微梦创科网络科技（中国）有限公司 | 图像质量综合评价方法及系统 |
| CN107743226A (zh) * | 2017-11-06 | 2018-02-27 | 潘柏霖 | 一种监测准确的环境监测系统 |
| CN110458792B (zh) * | 2018-05-04 | 2022-02-08 | 北京眼神科技有限公司 | 人脸图像质量的评价方法及装置 |
| DE102019204318A1 (de) * | 2019-03-28 | 2020-10-01 | Conti Temic Microelectronic Gmbh | Automatische Erkennung und Klassifizierung von Adversarial Attacks |
| CN110807759B (zh) * | 2019-09-16 | 2022-09-06 | 上海甜里智能科技有限公司 | 照片质量的评价方法及装置、电子设备、可读存储介质 |
| CN110796660B (zh) * | 2020-01-04 | 2020-04-07 | 成都科睿埃科技有限公司 | 用于机场跑道的图像清晰度评价方法 |
| CN112364414B (zh) * | 2020-10-26 | 2023-12-22 | 中能建建筑集团有限公司 | 一种基于bim技术的三维施工场地布置方法 |
| CN112258503B (zh) * | 2020-11-13 | 2023-11-14 | 中国科学院深圳先进技术研究院 | 超声图像成像质量评价方法、装置及计算机可读存储介质 |
| CN114025085B (zh) * | 2021-10-29 | 2022-12-13 | 浙江大华技术股份有限公司 | 一种摄像设备工作模式切换方法、装置、设备及存储介质 |
| CN117422734A (zh) * | 2023-10-18 | 2024-01-19 | 优视科技有限公司 | 背景图像生成方法、电子设备及计算机存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101996406A (zh) * | 2010-11-03 | 2011-03-30 | 中国科学院光电技术研究所 | 无参考结构清晰度图像质量评价方法 |
| CN102169576A (zh) * | 2011-04-02 | 2011-08-31 | 北京理工大学 | 一种图像拼接算法定量评价方法 |
| CN103927734A (zh) * | 2013-01-11 | 2014-07-16 | 华中科技大学 | 一种基于无参考的模糊图像质量评价方法 |
-
2015
- 2015-09-25 CN CN201510624140.0A patent/CN105261013B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101996406A (zh) * | 2010-11-03 | 2011-03-30 | 中国科学院光电技术研究所 | 无参考结构清晰度图像质量评价方法 |
| CN102169576A (zh) * | 2011-04-02 | 2011-08-31 | 北京理工大学 | 一种图像拼接算法定量评价方法 |
| CN103927734A (zh) * | 2013-01-11 | 2014-07-16 | 华中科技大学 | 一种基于无参考的模糊图像质量评价方法 |
Non-Patent Citations (2)
| Title |
|---|
| 一种针对图像模糊的无参考质量评价指标;谢小甫等;《计算机应用》;20100430;第30卷(第4期);第921-924页 * |
| 数字图像质量评价技术综述;庞璐璐 等;《航空电子技术》;20110630;第42卷(第2期);第31-35,54页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105261013A (zh) | 2016-01-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105261013B (zh) | 一种扫描图像质量综合评价方法及评价系统 | |
| CN110046673B (zh) | 基于多特征融合的无参考色调映射图像质量评价方法 | |
| Mittal et al. | Blind/referenceless image spatial quality evaluator | |
| CN108109147B (zh) | 一种模糊图像的无参考质量评价方法 | |
| CN109978854B (zh) | 一种基于边缘与结构特征的屏幕内容图像质量评估方法 | |
| CN110956581B (zh) | 一种基于双通道生成-融合网络的图像模态变换方法 | |
| Zheng et al. | No-reference quality assessment for screen content images based on hybrid region features fusion | |
| CN112001904B (zh) | 一种遥感图像质量清晰度综合评价模块及评价方法 | |
| CN110443800B (zh) | 视频图像质量的评价方法 | |
| CN108053396B (zh) | 一种多失真图像质量的无参考评价方法 | |
| CN110996096B (zh) | 一种基于结构相似性差异度的色调映射图像质量评价方法 | |
| CN112184672A (zh) | 一种无参考图像质量评价方法及系统 | |
| Wang et al. | Screen content image quality assessment with edge features in gradient domain | |
| CN116091312A (zh) | 一种低对比度图像联合增强和超分辨率重建方法 | |
| CN112132774A (zh) | 一种色调映射图像的质量评价方法 | |
| CN111445435A (zh) | 一种基于多区块小波变换的无参考图像质量评价方法 | |
| CN111047618A (zh) | 基于多尺度的无参考屏幕内容图像质量评估方法 | |
| CN108682005B (zh) | 基于协方差矩阵特征的半参考3d合成图像质量评价方法 | |
| Bong et al. | An efficient and training-free blind image blur assessment in the spatial domain | |
| Fu et al. | Screen content image quality assessment using Euclidean distance | |
| Vora et al. | Analysis of compressed image quality assessments, m | |
| CN109685757B (zh) | 一种基于灰度差分统计的无参考图像质量评价方法及系统 | |
| CN116744125A (zh) | 图像颜色数据处理方法、装置、设备及存储介质 | |
| CN113838023B (zh) | 一种色差图像质量评价方法 | |
| CN108288267B (zh) | 一种基于暗通道的扫描电镜图像清晰度无参考评价方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20201222 Address after: Nanshan District Nanyou 518060 Shenzhen Road, Guangdong No. 2336 Patentee after: Cheng Tao Address before: 518060 No. 3688 Nanhai Road, Shenzhen, Guangdong, Nanshan District Patentee before: Sun Gaolei Patentee before: Cheng Tao Patentee before: Feng Ping |
|
| TR01 | Transfer of patent right |