基于NN与SVM的图像质量评价模型

为了有效地评价图像质量,利用峰值信噪比(PSNR,Pear Signal to Noise Ratio)和结构相似度(SSIM,Structure Similarity)作为图像质量的描述参数,给出"野点"的定义,提出"野点预测"并基于神经网络(NN,Neural Network)与支持向量机(SVM,Support Vector Machines)建立新的质量评价模型:神经网络用来获取质量评价映射函数,支持向量机实现样本分类.采用UTexas图像库数据进行仿真试验,质量评价模型预测图像质量的单调性比PSNR提高7.42% ,质量评价模型预测结果的均方误差平方根比PSNR提高36.06％,模型性能测试中"野点"的数目相对减少,模型性能得以提高.试验结果表明该模型的输出能有效地反映图像的主观质量.      

基于云特征的遥感图像可用度影响因素分析

针对卫星遥感图像可用度分类问题,提出基于图像信息的云覆盖率、云厚度、云破碎度的云结构特征描述概念.研究了它们对于卫星遥感图像可用信息量的影响程度,构建了由厚度相关的云覆盖率及云破碎度构成正交可用度评估空间.并进一步分析了云结构特征与可用度之间的近似线性及单调特点,证实了所提描述方法对于可用度表征的合理性和有效性.通过与500幅不同可用度等级的专业人工判读结果比较,证实综合这3个变量的可用度判读结果与人工判读结果的准确度比较达到95%.该方法为建立卫星遥感图像可用度评估模型,自动分类得到用户需要的图像数据提供理论及技术支持.     

计算机在图像质量评价中的应用

本文介绍了遥感图像质量说价工作的主要内容及计算机在其发挥的作用。     

卫星遥感图像几何质量的仿真评价

根据卫星图像摄影过程,建立了图像质量评价的数学模型。该模型包括：整机侧视和反射镜侧视两种相机侧视方案,姿态运动、轨道运动、地球自转、地图投影等因素对卫星图像几何质量的影响。并在计算机上分析了图像的几何质量,提出了几何校正方法,为遥感卫星设计提供了有价值的参考。     

一种面向用户任务需求的遥感图像质量标准-NIIRS

文章讨论了现行的遥感图像评价技术 ,介绍了美国国家图像解译度分级标准 (NIIRS)的开发背景和开发过程 ,分析了NIIRS的特征及使用价值     

几种机载视频技术要点分析与发展趋势探讨

在分析某些当前主流机载视频处理技术的基础上,结合其发展历程和需求,着重分析了目前机载视频处理中的视频切换、视频叠加等技术,并总结了图像质量的发展、隔行到逐行的发展、视频接口的发展以及当前主流机载视频处理技术的发展趋势。可为同类工作提供参考。     

基于图像质量度量准则的空间目标平动补偿

为了获得空间目标的微动信息,需要对雷达回波中的高速平动分量进行精确补偿。针对空间目标高速运动对微动信息提取的影响问题,首先分析了空间目标平动对微多普勒频率的调制影响,得到目标高速平动,特别是平动加速度、平动加加速度对微多普勒频率趋势性调制现象将干扰微多普勒频率提取的结论。在此基础上,利用目标平动直接导致目标多普勒频谱展宽的特点,提出了一种基于图像质量度量准则的空间目标平动参数估计方法,并根据估计出的平动参数实现运动补偿。最后,采用空间目标多散射中心模型,进行平动补偿分析,仿真结果验证了该方法的有效性。     

嫦娥一号干涉成像光谱仪2C级图像数据质量评价

嫦娥一号干涉成像光谱仪(IIM)获取的多波段图像数据对于月表矿物成分反演具有重要意义. 从目视质量、客观参数、几何配准精度、图像质量随时间的变化情况等方面对IIM 2C级的多波段图像数据质量进行了评价. 结果显示, 其两端波段范围的图像质量较差, 不能有效识别月表单元, 中间波段图像质量较好; 自然色图像显示IIM数据存在明显的横向色调不均一性. 利用图像的客观评价指标(辐射精度、清晰度、信息量)将干涉成像光谱仪图像数据与美国Clementine UV-VIS多光谱图像数据进行对比分析, 结果表明, IIM数据清晰度好于Clementine UV-VIS, 而在方差和信息量上弱于Clementine UV-VIS. 将IIM图像数据与Clementine多光谱数据统一到相同的空间分辨率, 进行配准精度评价, 其最大控制点配准误差为0.63pixel. 此外, 还对时间跨度两个月覆盖月表同一区域的IIM图像数据从辐射精度、信息量和清晰度方面进行了评价.     

滤波器的相频特性对像质影响的仿真

利用计算机仿真的方法,研究了椭圆低通滤波器和Butterworth滤波器的相频特性对像质的影响。这种影响主要有边缘退化、分辨率损失、产生新的干扰条纹和几何畸变以及多波段图像配准精度降低等。     

基于Contourlet的SSIM图像融合质量评价方法

利用contourlet能有效表示图像的边缘和轮廓信息的特点,并将其引入到图像融合后的评价中,提出了一种基于Contourlet的结构相似度(SSIM)图像融合质量评价方法。以失真信道模拟融合过程,通过对标准参考图像与融合图像之间的结构相似度来实现对融合方法、融合规则性能优劣的评判。实验表明该方法与主观评价方法有很好的一致性,且与经典的SSIM算法相比具有更好的区分度。