基于对比敏感度特性的SAR图像质量评价方法

摘要

本发明公开了一种基于对比敏感度特性的SAR图像质量评价方法，该方法利用小波分解与对比敏感度CSF函数空间频率带通的相似性，能够有效去除SAR图像中高频部分的噪声干扰，同时该方法计算简便准确，不需要参考SAR图像，仅依据HVSR参数指标就能全面有效评价图像质量。该方法可以应用于机载或者星载合成孔径雷达所获得的SAR图像，通过人眼视觉中的对比敏感度的多通道特性，并结合图像处理中的小波变换的方法，建立一个主观无参考图像型的SAR图像质量评价模型，实现真实主观性对SAR图像的评价。本发明弥补了现有的SAR图像质量评价缺少主观特性的不足，为今后SAR图像评价及提升SAR图像质量奠定扎实的技术支持。

权利要求

1.一种基于对比敏感度特性的SAR图像质量评价方法，其特征在于包括有下列步骤：步骤一：SAR图像尺寸规整

利 用 Matlab 软 件 中 的 imread 函 数 读 取 SAR 图 像，获 取 SAR 图 像中的方位向帧数记为AI、距离向采样点数记为RA以及像素值矩阵记为 即得到规整化SAR图像；所述

a

方位向帧数AI的大小满足2的a次幂(即2)，所述距离向采样点数RA的大小满足2的bb次幂(即2)，a和b为正整数；

步骤二：小波分解图像

将步骤一得到的规整化SAR图像进行五级小波正交分解，得到小波分解后的SAR图像；

步骤三：获取一维归一化CSF曲线

1.1

步骤301：依据对比敏感度函数CSFA(fr)≈2.6[0.0192+0.114fr]exp[-(0.114fr) ]得到该CSF函数在AC对角线方向上的一维归一化CSF曲线AAC(f)，即AC归一化CSF曲线AAC(f)；

1.1

步骤302：依据对比敏感度函数CSFA(fr)≈2.6[0.0192+0.114fr]exp[-(0.114fr) ]得到该CSF函数在AB水平方向上的一维归一化CSF曲线AAB(f)，即AB归一化CSF曲线AAB(f)；

1.1

步骤303：依据对比敏感度函数CSFA(fr)≈2.6[0.0192+0.114fr]exp[-(0.114fr) ]得到该CSF函数在AD垂直方向上的一维归一化CSF曲线AAD(f)，即AD归一化CSF曲线AAD(f)；

对比敏感度函数CSF式中，fr表示空间频率，且 其中fX表示水平方向上的频率，fY表示垂直方向上的频率；

步骤四：获得CSF加权系数

步骤401：采用步骤二的小波分解级数分别对步骤三中的AC归一化CSF曲线AAC(f)按照频率进行通道划分，得到AC对角线方向上的六个通道，每个通道的频率标识点分别记为AC第一频率标识点fAC_0、AC第二频率标识点fAC_1、AC第三频率标识点fAC_2、AC第四频率标识点fAC_3、 AC第五频率标识点fAC_4、AC第六频率标识点fAC_5、AC第七频率标识点fAC_6；对步骤三中的AD归一化CSF曲线AAD(f)按照频率进行通道划分，得到AD垂直方向上的六个通道，每个通道的频率标识点分别记为AD第一频率标识点fAD_0、AD第二频率标识点fAD_1、AD第三频率标识点fAD_2、AD第四频率标识点fAD_3、AD第五频率标识点fAD_4、AD第六频率标识点fAD_5、AD第七频率标识点fAD_6；

第一通道q1是指沿平面ACGE将AC归一化CSF曲线划分后得到的第一高频段通道CSF-HH1，即fAC_6和fAC_5的区间；

第二通道q2是指沿平面ADHE将AD归一化CSF曲线划分后得到的第一中频段通道CSF-LH2，即fAD_6和fAD_5的区间；

第三通道q3是指沿平面ACGE将AC归一化CSF曲线划分后得到的第二高频段通道CSF-HH3，即fAC_5和fAC_4的区间；

第四通道q4是指沿平面ADHE将AD归一化CSF曲线划分后得到的第二中频段通道CSF-LH4，即fAD_5和fAD_4的区间；

第五通道q5是指沿平面ACGE将AC归一化CSF曲线划分后得到的第三高频段通道CSF-HH5，即fAC_4和fAC_3的区间；

第六通道q6是指沿平面ADHE将AD归一化CSF曲线划分后得到的第三中频段通道CSF-LH6，即fAD_4和fAD_3的区间；

第七通道q7是指沿平面ACGE将AC归一化CSF曲线划分后得到的第四高频段通道CSF-HH7，即fAC_3和fAC_2的区间；

第八通道q8是指沿平面ADHE将AD归一化CSF曲线划分后得到的第四中频段通道CSF-LH8，即fAD_3和fAD_2的区间；

第九通道q9是指沿平面ACGE将AC归一化CSF曲线划分后得到的第五高频段通道CSF-HH9，即fAC_2和fAC_1的区间；

第十通道q10是指沿平面ADHE将AD归一化CSF曲线划分后得到的第五中频段通道CSF-LH10，即fAD_2和fAD_1的区间；

第十一通道q11是指沿平面ACGE将AC归一化CSF曲线划分后得到的最低频段通道CSF-LL11，即fAC_1和fAC_0的区间；

第十二通道q12是指沿平面ADHE将AD归一化CSF曲线划分后得到的第五中频段通道CSF-LL12，即fAD_1和fAD_0的区间；

步骤402：计算AC归一化CSF曲线上的敏感度平均值计算AD归一化CSF曲线上的敏感度平均值

q表示通道标识；j表示归一化CSF曲线上的任意一个通道；j-1表示第j通道的上一通道；Pq(2j-1)表示AC归一化CSF曲线上任意通道的敏感度平均值；fAC_j表示AC归一化CSF曲线上的任意一频率标识点；fAC_(j-1)表示AC归一化CSF曲线上的频率标识点fAC_j的上一个频率标识点；ACfAC_j表示fAC_j频率标识点对应的频率；ACfAC_(j-1)表示fAC_(j-1)频率标识点对应的频率；f表示归一化频率； 表示对AAC(f)从频率ACfAC_0到ACfAC_6的定积分；Pq2j表示AD归一化CSF曲线上任意通道的敏感度平均值；fAD_j表示AD归一化CSF曲线上的任意一频率标识点；fAD_(j-1)表示AD归一化CSF曲线上的频率标识点fAD_j的上一个频率标识点；ADfAD_j表示fAD_j频率标识点对应的频率；ADfAD_(j-1)表示fAD_(j-1)频率标识点对应的频率；f表示归一化频率； 表示对AAD(f)从频率ADfAD_0到ADfAD_6的定积分；

通过 和

计算得到各个通道的敏感度平

均值分别记为：

第一通道q1的敏感度平均值记为

第二通道q2的敏感度平均值记为

第三通道q3的敏感度平均值记为

第四通道q4的敏感度平均值记为

第五通道q5的敏感度平均值记为

第六通道q6的敏感度平均值记为

第七通道q7的敏感度平均值记为

第八通道q8的敏感度平均值记为

第九通道q9的敏感度平均值记为

第十通道q10的敏感度平均值记为

第十一通道q11的敏感度平均值记为

第十二通道q12的敏感度平均值记为

步骤403：为了统一通道的敏感度平均值，将第十一通道的敏感度平均值 记为标准加权系数；

步骤404：应用标准加权系数对第一通道敏感度平均值至第十通道敏感度平均值进行归一量化 分别得到通道加权系数ωPq；

步骤五：获取HVSR评价指标

采用HVSR评价指标关系对步骤二中的规整化SAR图像的统计特征和步骤四中的通道加权系数值ωPq进行处理，得到具有主观性的SAR图像质量评价综合模型；

所述HVSR评价指标关系 k表示灰度值的种

类个数，uq表示图像灰度平均值， 表示图像灰度方差，Eq表示图像信息量，Kq表示图像梯度值，q表示频段的标识。

2.根据权利要求1所述的基于对比敏感度特性的SAR图像质量评价方法，其特征在于：步骤二中采用的小波分解的级数为五级；则有：

对规整化SAR图像经一级小波分解后得到第一待处理频段；同时也得到第一高频段HH1、第一中频段LH2；然后提取出第一高频段HH1内的规整化SAR图像的统计特征、以及第一中频段LH2内的规整化SAR图像的统计特征；

对第一待处理频段经二级小波分解后得到第二待处理频段；同时也得到第二高频段HH3、第二中频段LH4；然后提取出第二高频段HH3内的规整化SAR图像的统计特征、以及第二中频段LH4内的规整化SAR图像的统计特征；

对第二待处理频段经三级小波分解后得到第三待处理频段；同时也得到第三高频段HH5，第三中频段LH6；然后提取出第三高频段HH5内的规整化SAR图像的统计特征、以及第三中频段LH6内的规整化SAR图像的统计特征；

对第三待处理频段经四级小波分解后得到第四待处理频段；同时也得到第四高频段HH7，第四中频段LH8；然后提取出第四高频段HH7内的规整化SAR图像的统计特征、以及第四中频段LH8内的规整化SAR图像的统计特征；

对第四待处理频段经五级小波分解后得到第五高频段HH9、第五中频段LH10、最低频段LL11；然后提取出第五高频段HH9内的规整化SAR图 像的统计特征、以及第五中频段LH10内的规整化SAR图像的统计特征、以及最低频段LL11内的规整化SAR图像的统计特征。

3.根据权利要求2所述的基于对比敏感度特性的SAR图像质量评价方法，其特征在于：SAR图像的统计特征是指图像灰度平均值uq、图像灰度方差 图像信息量Eq和图像梯度值Kq，q表示频段的标识；则：且KA＝fq(m,n)-fq(m+1,n)

KB＝fq(m,n)-fq(m,n+1)

fq(m,n)表示第q频段的图像中第m行,第n列像素的值；

fq(m+1,n)表示第q频段的图像中第m+1行,第n列像素的值，m+1表示m的下一行；

fq(m,n+1)表示第q频段的图像中第m行,第n+1列像素的值，n+1表示n的下一列；

Mq表示第q频段上图像的方位向帧数，则AI＝M1+M3+M5+M7+M9+M11；

Nq表示第q频段上图像的距离向采样点数，则RA＝N1+N3+N5+N7+N9+N11；

k表示灰度值的种类个数；

pq(i)表示任意灰度值i出现的概率，且i∈k。

4.根据权利要求1所述的基于对比敏感度特性的SAR图像质量评价方法，其特征在于：灰度值的种类个数k取值为255。

说明书

基于对比敏感度特性的SAR图像质量评价方法

技术领域

[0001] 本发明涉及一种对合成孔径雷达采集图像的处理方法，更特别地说，是指一种基于对比敏感度特性的SAR图像质量评价方法。

背景技术

[0002] 合成孔径雷达（Synthetic Aperture Radar,SAR）系统是一种有源的遥感设备，它主动向目标发射电磁波，利用目标散射特性作用下接收到回波信号进行成像。

[0003] MATLAB是由美国mathworks公司发布的主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言的编辑模式。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连matlab开发工作界面接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。

[0004] 1999年10月哈尔滨工业大学出版社出版、刘永坦编著的《雷达成像技术》指出，合成孔径雷达（SAR，Synthetic Aperture Radar）安装在运动平台上，按照一定的重复频率发射、接收脉冲，形成回波信号。SAR系统的结构框图如图1所示，SAR系统包括有星上雷达系统、卫星平台及数据下传系统和地面系统三部分，对合成孔径雷达成像处理是在地面系统中完成的。地面系统通过地面接收站接收卫星平台及数据下传系统下发的回波信号，该回波信号经SAR信号处理器进行成像处理，获得SAR图像；所述SAR图像存储于备档操作系统中。

[0005] 传统SAR图像质量主要从图像的空间和辐射两方面的性能指标进行客观评价，评估指标包括：利用点目标冲激相应获得的空间分辨率、积分旁瓣比、峰值旁瓣比，以及通过面目标测定的图像方差、动态范围、等效视数及辐射分辨率等客观参数。这些参数只能从客观方面显示图像质量的好坏，缺少主观性的评价，并不能反映出观察者的对图像的反应。不过许多学者已经研究了如何对普通灰度图像进行主观与客观相结合的质量评估，提出了相应的方法。1974年Mannos和Sakrion等人在IEEETransaction on Information Theory发表的《The effect of a visual fidelity criterion on the encoding of images》文章中首先提出了基于大量实验总结的对比敏感度函数（Contrast Sensitivity Function，CSF)1.1
的近似模型及曲线A(fr)≈2.6[0.0192+0.114fr]exp[1(0.114fr) ]，并得到学者的认可。
CSF能较全面、客观评价视觉功能，被称为人眼视觉系统空间调制转移函数。对比敏感度函数是描述人眼视觉系统空间特性的主要指标之一，它反映不同条件下的对比敏感与空间频率之间的关系。2004年Zhou Wang等人在IEEE Transactions on Image Processing发表的《Image quality assessment:from error visibility to structure simi larity》提出了基于结构相似度（structure simi lari ty,SSIM）的主观性图像质量评价方法。它是基于认为人眼视觉的主要功能是提取背景中的结构信息的理论上，对图像的结构失真的度量。刘鹏军提出的《基于BP神经网络的SAR干扰效果评估方法》，是采用将若干客观评价指标作为输入，通过神经网络模型得到主观评价的等级。

[0006] 以上提出的主观性评价方法主要针对有原始参考图像的普通灰度图像，由于SAR图像相对于普通灰度图像具有一定的特殊性：SAR图像是直接通过成像算法得到的图像，并没有参考图像来作为基准与其他图像进行对比及分析；它的主观评价与个人背景知识，经验总结等特性有强烈的相关。因此，这些方法并不完全适用于SAR图像质量评价。SAR图像存在斑点噪声和失真等固有特性，会造成从视觉上看，能定性的评价某一幅SAR图像质量高于另一SAR图像，而从图像的基本信息内容上：图像灰度平均值，图像灰度方差，图像信息量等图像的统计特征与视觉结果不一致的现象，因此必须对SAR图像质量进行定量评估，给出统一的评价指标。

发明内容

[0007] 为了解决现有的SAR图像质量评价缺少主观特性的不足，本发明提出一种基于对比敏感度的SAR图像质量评价方法，该方法相对于传统SAR图像质量评价更符合人眼对SAR图像质量的主观感受。本发明利用小波分解与对比敏感度CSF函数空间频率带通的相似性，能够有效去除SAR图像中高频部分的噪声干扰，同时该方法计算简便准确，不需要参考SAR图像，仅依据HVSR参数指标就能全面有效评价图像质量，这对于没有参考图像的SAR图像在质量评估上具有重要的意义。本发明方法可以应用于机载合成孔径雷达或者星载合成孔径雷达所获得的SAR图像，通过人眼视觉中的对比敏感度的多通道特性，并结合图像处理中的小波变换的方法，建立一个主观无参考图像型的SAR图像质量评价模型，实现真实主观性对SAR图像的评价。本发明方法能够弥补现有的SAR图像质量评价缺少主观特性的不足，为今后SAR图像评价及提升SAR图像质量奠定扎实的技术支持。

[0008] 本发明的一种基于对比敏感度特性的SAR图像质量评价方法，包括有下列步骤：

[0009] 步骤一：SAR图像尺寸规整

[0010] 利 用 Matlab 软 件 中 的 imread 函 数 读 取 SAR 图 像，获 取 SAR 图像中的方位向帧数记为AI、距离向采样点数记为RA以及像素值矩阵记为即得到规整化SAR图像；所述方
位向帧数AI的大小满足2的a次幂（即2a），所述距离向采样点数RA的大小满足2的b次幂（即2b），a和b为正整数；

[0011] 步骤二：小波分解图像

[0012] 将步骤一得到的规整化SAR图像进行五级小波正交分解，得到小波分解后的SAR图像；

[0013] 步骤三：获取一维归一化CSF曲线

[0014] 步骤301：依据CSF函数A(fr)≈2.6[0.0192+0.114fr]exp[-(0.114fr)1.1]得到AC归一化CSF曲线AAC(f)；

[0015] 步骤302：依据CSF函数A(fr)≈2.6[0.0192+0.114fr]exp[-(0.114fr)1.1]得到AB归一化CSF曲线AAB(f)；

[0016] 步骤303：依据CSF函数A(fr)≈2.6[0.0192+0.114fr]exp[-(0.114fr)1.1]得到AD归一化CSF曲线AAD(f)；

[0017] CSF函数式中，fr表示空间频率，且 其中fX表示水平方向上的频率，fY表示垂直方向上的频率；

[0018] 步骤四：获得CSF加权系数

[0019] 步骤401：采用步骤二的小波分解级数分别对步骤三中的AC归一化CSF曲线AAC(f)按照频率进行通道划分，得到AC对角线方向上的六个通道，每个通道的频率标识点分别记为AC第一频率标识点fAC_0、AC第二频率标识点fAC_1、AC第三频率标识点fAC_2、AC第四频率标识点fAC_3、AC第五频率标识点fAC_4、AC第六频率标识点fAC_5、AC第七频率标识点fAC_6；对步骤三中的AD归一化CSF曲线AAD(f)按照频率进行通道划分，得到AD垂直方向上的六个通道，每个通道的频率标识点分别记为AD第一频率标识点fAD_0、AD第二频率标识点fAD_1、AD第三频率标识点fAD_2、AD第四频率标识点fAD_3、AD第五频率标识点fAD_4、AD第六频率标识点fAD_5；

[0020] 第一通道q1是指沿平面ACGE将AC归一化CSF曲线划分后得到的第一高频段通道CSF-HH1，即fAC_6和fAC_5的区间；

[0021] 第二通道q2是指沿平面ADHE将AD归一化CSF曲线划分后得到的第一中频段通道CSF-LH2，即fAD_6和fAD_5的区间；

[0022] 第三通道q3是指沿平面ACGE将AC归一化CSF曲线划分后得到的第二高频段通道CSF-HH3，即fAC_5和fAC_4的区间；

[0023] 第四通道q4是指沿平面ADHE将AD归一化CSF曲线划分后得到的第二中频段通道CSF-LH4，即fAD_5和fAD_4的区间；

[0024] 第五通道q5是指沿平面ACGE将AC归一化CSF曲线划分后得到的第三高频段通道CSF-HH5，即fAC_4和fAC_3的区间；

[0025] 第六通道q6是指沿平面ADHE将AD归一化CSF曲线划分后得到的第三中频段通道CSF-LH6，即fAD_4和fAD_3的区间；

[0026] 第七通道q7是指沿平面ACGE将AC归一化CSF曲线划分后得到的第四高频段通道CSF-HH7，即fAC_3和fAC_2的区间；

[0027] 第八通道q8是指沿平面ADHE将AD归一化CSF曲线划分后得到的第四中频段通道CSF-LH8，即fAD_3和fAD_2的区间；

[0028] 第九通道q9是指沿平面ACGE将AC归一化CSF曲线划分后得到的第五高频段通道CSF-HH9，即fAC_2和fAC_1的区间；

[0029] 第十通道q10是指沿平面ADHE将AD归一化CSF曲线划分后得到的第五中频段通道CSF-LH10，即fAD_2和fAD_1的区间；

[0030] 第十一通道q11是指沿平面ACGE将AC归一化CSF曲线划分后得到的最低频段通道CSF-LL11，即fAC_1和fAC_0的区间。

[0031] 第十二通道q12是指沿平面ADHE将AD归一化CSF曲线划分后得到的第五中频段通道CSF-LL12，即fAD_1和fAD_0的区间；

[0032] 步骤402：计算AC归一化CSF曲线上的敏感度平均值

[0033] 计算AD归一化CSF曲线上的敏感度平均值

[0034] 在本发明中，通过 和计算得到各个通道的敏感度平均值
分别记为：

[0035] 第一通道q1的敏感度平均值记为

[0036] 第二通道q2的敏感度平均值记为

[0037] 第三通道q3的敏感度平均值记为

[0038] 第四通道q4的敏感度平均值记为

[0039] 第五通道q5的敏感度平均值记为

[0040] 第六通道q6的敏感度平均值记为

[0041] 第七通道q7的敏感度平均值记为

[0042] 第八通道q8的敏感度平均值记为

[0043] 第九通道q9的敏感度平均值记为

[0044] 第十通道q10的敏感度平均值记为

[0045] 第十一通道q11的敏感度平均值记为

[0046] 第十二通道q12的敏感度平均值记为

[0047] 步骤403：为了统一通道的敏感度平均值，将第十一通道的敏感度平均值 记为标准加权系数；

[0048] 步骤404：应用标准加权系数对第一通道敏感度平均值至第十通道敏感度平均值进行归一量化 分别得到通道加权系数；

[0049] 步骤五：获取HVSR评价指标

[0050] 采用HVSR评价指标关系对步骤二中的规整化SAR图像的统计特征和步骤四中的通道加权系数值ωPq进行处理，得到具有主观性的SAR图像质量评价综合模型；

[0051] 所述HVSR评价指标关系 k表示灰度值的种类个数，本发明中k=255。

[0052] 本发明基于对比敏感度的SAR图像质量评价方法的优点在于：

[0053] ①本发明方法HVSR是一种符合人眼视觉对SAR图像的主观感受。

[0054] ②本发明采用图像处理中的小波变换的方法，建立一个主观无参考图像型的SAR图像质量评价模型，能够实现真实主观性对SAR图像的评价。

[0055] ③本发明方法HVSR利用小波分解与对比敏感度CSF函数空间频率带通的相似性，有效地去除了SAR图像中高频部分的噪声干扰，提升了SAR图像的质量。

[0056] ④本发明方法HVSR仅依据HVSR参数指标就能全面有效评价图像质量，评价手段简单、快速、准确。

[0057] ⑤本发明方法HVSR利用对比敏感度CSF函数来体现HVSR参数指标符合人眼视觉的主观特性。

附图说明

[0058] 图1是合成孔径雷达系统的数据传输结构图。

[0059] 图2是本发明基于对比敏感度特性的SAR图像质量评价的流程图。

[0060] 图3是五级小波分解示意图。

[0061] 图4是CSF函数的空间示意图。

[0062] 图5A是本发明AC归一化CSF曲线的通道划分结构图。

[0063] 图5B是本发明AD归一化CSF曲线的通道划分结构图。

[0064] 图6A是1m的SAR图像照片。

[0065] 图6B是1m的SAR图像中部分位置的放大照片。

[0066] 图6C是2m的SAR图像照片。

[0067] 图6D是2m的SAR图像中部分位置的放大照片。

[0068] 图6E是5m的SAR图像照片。

[0069] 图6F是5m的SAR图像中部分位置的放大照片。

[0070] 图6G是10m的SAR图像照片。

[0071] 图6H是10m的SAR图像中部分位置的放大照片。

[0072] 图6I是15m的SAR图像照片。

[0073] 图6J是15m的SAR图像中部分位置的放大照片。

具体实施方式

[0074] 下面将结合附图和实施例对本发明做进一步的详细说明。

[0075] 参见图2所示，本发明提出的一种基于对比敏感度特性的SAR图像质量评价方法，具体的是针对合成孔径雷达采集到的SAR图像，对SAR图像的质量的主观评价包括有下列步骤：

[0076] 步骤一：SAR图像尺寸规整

[0077] 利 用 Matlab 软 件 中 的 imread 函 数 读 取 SAR 图 像，获 取 SAR 图像中的方位向帧数记为AI、距离向采样点数记为RA以及像素值矩阵记为即得到规整化SAR图像；所述方
位向帧数AI的大小满足2的a次幂（即2a），所述距离向采样点数RA的大小满足2的b次幂（即2b），a和b为正整数。

[0078] 在本发明中，AI×RA表示了读取得到的SAR图像的尺寸大小。在借助计算机记录下像素值矩阵GRAY中的f(1,1)表示imread函数读入的SAR图像的第1行第1列的像素值；f(1,2)表示imread函数读入的SAR图像的第1行第2列的像素值；f(1,RA)表示imread函数读入的SAR图像的第1行第RA列的像素值；同理可得，f(m,n)表示imread函数读入的SAR图像的任意第m行第n列的像素值；f(AI,1)表示imread函数读入的SAR图像的第AI行第1列的像素值；f(AI,2)表示imread函数读入的SAR图像的第AI行第2列的像素值；f(AI,RA)表示imread函数读入的SAR图像的第AI行第RA列的像素值。

[0079] 计算机（Computer）俗称电脑，是一种能够按照程序运行，自动、高速处理数据的现代化智能电子设备，由硬件系统和软件系统所组成，还具有存储记忆功能。本发明应用的Matlab软件运动于一计算机中。

[0080] 在本发明中，对原始SAR图像的尺寸满足2次幂的要求，是为实现用imread函数读取SAR图像时，保证读入后的SAR图像信息（称为规整化SAR图像）在统一尺寸条件下进行五级的小波正交处理。

[0081] 步骤二：小波分解图像

[0082] 将步骤一得到的规整化SAR图像进行五级小波正交分解，得到小波分解后的SAR图像；

[0083] 在本发明中，参见图3所示，对规整化SAR图像经一级小波分解后得到第一待处理频段；同时也得到第一高频段HH1、第一中频段LH2（即LLH2和RLH2）；然后提取出第一高频段HH1内的规整化SAR图像的统计特征、以及第一中频段LH2内的规整化SAR图像的统计特征；

[0084] 对第一待处理频段经二级小波分解后得到第二待处理频段；同时也得到第二高频段HH3、第二中频段LH4（即LLH4和RLH4）；然后提取出第二高频段HH3内的规整化SAR图像的统计特征、以及第二中频段LH4内的规整化SAR图像的统计特征；

[0085] 对第二待处理频段经三级小波分解后得到第三待处理频段；同时也得到第三高频段HH5，第三中频段LH6（即LLH6和RLH6）；然后提取出第三高频段HH5内的规整化SAR图像的统计特征、以及第三中频段LH6内的规整化SAR图像的统计特征；

[0086] 对第三待处理频段经四级小波分解后得到第四待处理频段；同时也得到第四高频段HH7，第四中频段LH8（即LLH8和RLH8）；然后提取出第四高频段HH7内的规整化SAR图像的统计特征、以及第四中频段LH8内的规整化SAR图像的统计特征；

[0087] 对第四待处理频段经五级小波分解后得到第五高频段HH9、第五中频段LH10（即LLH10和RLH10）、最低频段LL11；然后提取出第五高频段HH9内的规整化SAR图像的统计特征、以及第五中频段LH10内的规整化SAR图像的统计特征、以及最低频段LL11内的规整化SAR图像的统计特征；

[0088] 在本发明中，SAR图像的统计特征是指图像灰度平均值uq、图像灰度方差 图像信息量Eq和图像梯度值Kq，q表示频段的标识。如第一高频段HH1内的规整化SAR图像的统计特征表示为图像灰度平均值uHH1、图像灰度方差 图像信息量EHH1和图像梯度值KHH1。同理可得，其余频段内的规整化SAR图像的统计特征表示在计算机内用表格进行记录时，依据频段标识记录入相应的表格行中。

[0089]

[0090]

[0091]

[0092] 且KA＝fq(m,n)-fq(m+1,n)

[0093] KB＝fq(m,n)-fq(m,n+1)

[0094]

[0095] fq(m,n)表示第q频段的图像中第m行,第n列像素的值；在本发明中，若小波分解的级数为5，则q=11。

[0096] fq(m+1,n)表示第q频段的图像中第m+1行,第n列像素的值，m+1表示m的下一行；

[0097] fq(m,n+1)表示第q频段的图像中第m行,第n+1列像素的值，n+1表示n的下一列；

[0098] Mq表示第q频段上图像的方位向帧数，则AI＝M1+M3+M5+M7+M9+M11；

[0099] Nq表示第q频段上图像的距离向采样点数，则RA＝N1+N3+N5+N7+N9+N11；

[0100] k表示灰度值的种类个数，本发明中是k=255；

[0101] pq(i)表示任意灰度值i出现的概率，且i∈k。

[0102] 在本发明中，采用五级小波分解进行规整化SAR图像的处理，选取的是小波处理中最优化的小波级数，因此，对SAR图像进行五级小波分解，所得频段下的像素值更为准确。

[0103] 步骤三：获取一维归一化CSF曲线

[0104] 参见图4所示，将对比敏感度函数（Contrast Sensitivity Function，CSF）的近1.1
似模型及曲线A(fr)≈2.6[0.0192+0.114fr]exp[-(0.114fr) ]表征的CSF三维立体图像应用三维坐标系表示为A-XYZ，以A点构建CSF三维立体图像的有效区域，即ABCDEFGH形成的立方体空间。

[0105] 步骤301：依据CSF函数A(fr)≈2.6[0.0192+0.114fr]exp[-(0.114fr)1.1]得到该CSF函数在AC对角线方向上的一维归一化CSF曲线AAC(f)（简称为AC归一化CSF曲线AAC(f)，如图5A所示）；所述AC归一化CSF曲线也是平面ACGE的一维归一化CSF曲线；EG对角线与AC对角线代表同一方向。

[0106] 步骤302：依据CSF函数A(fr)≈2.6[0.0192+0.114fr]exp[-(0.114fr)1.1]得到该CSF函数在AB水平方向上的一维归一化CSF曲线AAB(f)（简称为AB归一化CSF曲线AAB(f)）；所述AB归一化CSF曲线也是平面ABFE上的一维归一化CSF曲线；EH水平方向与AB水平方向为同一方向。

[0107] 步骤303：依据CSF函数A(fr)≈2.6[0.0192+0.114fr]exp[-(0.114fr)1.1]得到该CSF函数在AD垂直方向上的一维归一化CSF曲线AAD(f)（简称为AD归一化CSF曲线AAD(f)，如图5B所示）；所述AD归一化CSF曲线也是平面ADHE上的一维归一化CSF曲线；EH垂直方向与AD垂直方向为同一方向。

[0108] CSF函数式中，fr表示空间频率，且 其中fX表示水平方向上的频率，fY表示垂直方向上的频率。

[0109] 在本发明中，由于水平方向和垂直方向相对于小波分解具有相同的通道特性，因此在通道划分上省略水平方向，即省略了AB归一化CSF曲线。

[0110] 步骤四：获得CSF加权系数

[0111] 步骤401：采用步骤二的小波分解级数（五级）分别对步骤三中的AC归一化CSF曲线AAC(f)按照频率进行通道划分，得到AC对角线方向上的六个通道，每个通道的频率标识点分别记为AC第一频率标识点fAC_0、AC第二频率标识点fAC_1、AC第三频率标识点fAC_2、AC第四频率标识点fAC_3、AC第五频率标识点fAC_4、AC第六频率标识点fAC_5、AC第七频率标识点fAC_6；对步骤三中的AD归一化CSF曲线AAD(f)按照频率进行通道划分，得到AD垂直方向上的六个通道，每个通道的频率标识点分别记为AD第一频率标识点fAD_0、AD第二频率标识点fAD_1、AD第三频率标识点fAD_2、AD第四频率标识点fAD_3、AD第五频率标识点fAD_4、AD第六频率标识点fAD_5。如图5A和图5B所示，记数以0开始计，图中通道以虚线表示，实线表示归一化CSF曲线。

[0112] 第一通道q1是指沿平面ACGE将AC归一化CSF曲线划分后得到的第一高频段通道CSF-HH1，即fAC_6和fAC_5的区间；

[0113] 第二通道q2是指沿平面ADHE将AD归一化CSF曲线划分后得到的第一中频段通道CSF-LH2，即fAD_6和fAD_5的区间；

[0114] 第三通道q3是指沿平面ACGE将AC归一化CSF曲线划分后得到的第二高频段通道CSF-HH3，即fAC_5和fAC_4的区间；

[0115] 第四通道q4是指沿平面ADHE将AD归一化CSF曲线划分后得到的第二中频段通道CSF-LH4，即fAD_5和fAD_4的区间；

[0116] 第五通道q5是指沿平面ACGE将AC归一化CSF曲线划分后得到的第三高频段通道CSF-HH5，即fAC_4和fAC_3的区间；

[0117] 第六通道q6是指沿平面ADHE将AD归一化CSF曲线划分后得到的第三中频段通道CSF-LH6，即fAD_4和fAD_3的区间；

[0118] 第七通道q7是指沿平面ACGE将AC归一化CSF曲线划分后得到的第四高频段通道CSF-HH7，即fAC_3和fAC_2的区间；

[0119] 第八通道q8是指沿平面ADHE将AD归一化CSF曲线划分后得到的第四中频段通道CSF-LH8，即fAD_3和fAD_2的区间；

[0120] 第九通道q9是指沿平面ACGE将AC归一化CSF曲线划分后得到的第五高频段通道CSF-HH9，即fAC_2和fAC_1的区间；

[0121] 第十通道q10是指沿平面ADHE将AD归一化CSF曲线划分后得到的第五中频段通道CSF-LH10，即fAD_2和fAD_1的区间；

[0122] 第十一通道q11是指沿平面ACGE将AC归一化CSF曲线划分后得到的最低频段通道CSF-LL11，即fAC_1和fAC_0的区间。

[0123] 第十二通道q12是指沿平面ADHE将AD归一化CSF曲线划分后得到的第五中频段通道CSF-LL12，即fAD_1和fAD_0的区间；

[0124] 为了通俗的表示上述12个通道上的任意一个通道，用qj表征。

[0125] 在本发明中，第十二通道q12与第十一通道q11代表了最低频段通道，故可以用其中的一个通道进行通道加权系数处理。

[0126] 步骤402：计算AC归一化CSF曲线上的敏感度平均值

[0127] q表示通道标识；

[0128] j表示归一化CSF曲线上的任意一个通道；

[0129] j-1表示第j通道的上一通道；

[0130] 表示AC归一化CSF曲线上任意通道的敏感度平均值；

[0131] fAC_j表示AC归一化CSF曲线上的任意一频率标识点；

[0132] fAC_(j-1)表示AC归一化CSF曲线上的频率标识点fAC_j的上一个频率标识点；

[0133] ACfAC_j表示fAC_j频率标识点对应的频率；

[0134] ACfAC_(j-1)表示fAC_(j-1)频率标识点对应的频率；

[0135] f表示归一化频率；

[0136] 表示对AAC(f)从频率ACfAC_0到ACfAC_6的定积分；

[0137] 计算AD归一化CSF曲线上的敏感度平均值

[0138] q表示通道标识；

[0139] j表示归一化CSF曲线上的任意一个通道；

[0140] j-1表示第j通道的上一通道；

[0141] 表示AD归一化CSF曲线上任意通道的敏感度平均值；

[0142] fAD_j表示AD归一化CSF曲线上的任意一频率标识点；

[0143] fAD_(j-1)表示AD归一化CSF曲线上的频率标识点fAD_j的上一个频率标识点；

[0144] ADfAD_j表示fAD_j频率标识点对应的频率；

[0145] ADfAD_(j-1)表示fAD_(j-1)频率标识点对应的频率；

[0146] f表示归一化频率；

[0147] 表示对AAD(f)从频率ADfAD_0到ADfAD_6的定积分；

[0148] 在本发明中，通过 和计算得到各个通道的敏感度平均值
分别记为：

[0149] 第一通道q1的敏感度平均值记为

[0150] 第二通道q2的敏感度平均值记为

[0151] 第三通道q3的敏感度平均值记为

[0152] 第四通道q4的敏感度平均值记为

[0153] 第五通道q5的敏感度平均值记为

[0154] 第六通道q6的敏感度平均值记为

[0155] 第七通道q7的敏感度平均值记为

[0156] 第八通道q8的敏感度平均值记为

[0157] 第九通道q9的敏感度平均值记为

[0158] 第十通道q10的敏感度平均值记为

[0159] 第十一通道q11的敏感度平均值记为

[0160] 第十二通道q12的敏感度平均值记为

[0161] 步骤403：为了统一通道的敏感度平均值，将第十一通道的敏感度平均值 记为标准加权系数；

[0162] 在本发明中，第十二通道q12与第十一通道q11代表了最低频段通道，故可以用其中的一个通道进行通道加权系数处理。

[0163] 步骤404：应用标准加权系数对第一通道敏感度平均值至第十通道敏感度平均值进行归一量化 分别得到通道加权系数：

[0164] 第一通道加权系数值记为

[0165] 第二通道加权系数值记为

[0166] 第三通道加权系数值记为

[0167] 第四通道加权系数值记为

[0168] 第五通道加权系数值记为

[0169] 第六通道加权系数值记为

[0170] 第七通道加权系数值记为

[0171] 第八通道加权系数值记为

[0172] 第九通道加权系数值记为

[0173] 第十通道加权系数值记为

[0174] 第十一通道加权系数值记为

[0175] 在本发明中，利用小波分解频段与CSF函数通道的相似特性，则通道加权系数值通俗记为ωPq（ωPq等同于 ），此处q表示为通道标识。

[0176] 步骤五：获取HVSR评价指标

[0177] 采用HVSR评价指标关系对步骤二中的规整化SAR图像的统计特征和步骤四中的通道加权系数值ωPq进行处理，得到具有主观性的SAR图像质量评价综合模型。

[0178] 所述HVSR评价指标关系 k表示灰度值的种类个数，本发明中k=255。

[0179] 在本发明中，采用图像处理中的小波变换的方法，结合频段下的CSF函数曲线建立一个主观无参考图像型的SAR图像质量评价模型，该模型能够实现真实主观性对SAR图像进行质量的评价。该模型采用Matlab7.7及以上版本进行编程、计算、仿真得到。

[0180] 实施例

[0181] 针对传统的客观SAR图像质量评价指标，本发明主要从分辨这个指标对所提出的主观评价方法进行验证和分析。选用规临海地区的真实SAR图像，图像尺寸是4096×4096，该图像背景比较复杂，包含：公路、建筑、河流及植被等，还具有杂波起伏较小的海洋背景。在本实施例中，分别读取1m的SAR图像、2m的SAR图像、5m的SAR图像、10m的SAR图像、
15m的SAR图像。图6A～图6J所示的图中，SAR图像为某型号的雷达接收机采集到的数据合成的照片。读入的五幅SAR图像的规整化SAR图像以*.mat文件格式保存在计算机中。
为了方便说明，先对1m的SAR图像进行步骤一至步骤五的处理，然后重复步骤一至步骤五分别对2m的SAR图像、5m的SAR图像、10m的SAR图像、15m的SAR图像进行处理，最后通过表2进行参数比较，从而得到图像质量的评价信息。

[0182] 步骤一：SAR图像尺寸规整

[0183] 利用Matlab软件中的imread函数读取1m的SAR图像，获取1m的SAR图像中的方位向帧数、距离向采样点数以及像素值矩阵，即得到1m的规整化SAR图像；

[0184] 步骤二：小波分解图像

[0185] 将步骤一得到的规整化SAR图像进行五级小波正交分解，得到小波分解后的SAR图像；

[0186] 在本发明中，参见图3所示，对规整化SAR图像经一级小波分解后得到第一待处理频段；同时也得到第一高频段HH1、第一中频段LH2（LLH2和RLH2）；然后提取出第一高频段HH1内的规整化SAR图像的统计特征、以及第一中频段LH2内的规整化SAR图像的统计特征；

[0187] 对第一待处理频段经二级小波分解后得到第二待处理频段；同时也得到第二高频段HH3、第二中频段LH4（LLH4和RLH4）；然后提取出第二高频段HH3内的规整化SAR图像的统计特征、以及第二中频段LH4内的规整化SAR图像的统计特征；

[0188] 对第二待处理频段经三级小波分解后得到第三待处理频段；同时也得到第三高频段HH5，第三中频段LH6（LLH6和RLH6）；然后提取出第三高频段HH5内的规整化SAR图像的统计特征、以及第三中频段LH6内的规整化SAR图像的统计特征；

[0189] 对第三待处理频段经四级小波分解后得到第四待处理频段；同时也得到第四高频段HH7，第四中频段LH8（LLH8和RLH8）；然后提取出第四高频段HH7内的规整化SAR图像的统计特征、以及第四中频段LH8内的规整化SAR图像的统计特征；

[0190] 对第四待处理频段经五级小波分解后得到第五高频段HH9、第五中频段LH10（LLH10和RLH10）、最低频段LL11。然后提取出第五高频段HH9内的规整化SAR图像的统计特征、以及第五中频段LH10内的规整化SAR图像的统计特征、以及最低频段LL11内的规整化SAR图像的统计特征；

[0191] 所述1m的规整化SAR图像的统计特征是指图像灰度平均值uq、图像灰度方差图像信息量Eq和图像梯度值Kq，q表示频段的标识，各个参数见表1：

[0192]

[0193] 步骤三：获取一维归一化CSF曲线

[0194] 步骤301：依据CSF函数A(fr)≈2.6[0.0192+0.114fr]exp[-(0.114fr)1.1]得到该CSF函数在AC对角线方向上的一维归一化CSF曲线（简称为AC归一化CSF曲线，如图5A所示）；所述AC归一化CSF曲线也是平面ACGE的一维归一化CSF曲线；EG对角线与AC对角线代表同一方向。

[0195] 步骤302：依据CSF函数A(fr)≈2.6[0.0192+0.114fr]exp[-(0.114fr)1.1]得到该CSF函数在AB水平方向上的一维归一化CSF曲线（简称为AB归一化CSF曲线）；所述AB归一化CSF曲线也是平面ABFE上的一维归一化CSF曲线；EH水平方向与AB水平方向为同一方向。

[0196] 步骤303：依据CSF函数A(fr)≈2.6[0.0192+0.114fr]exp[-(0.114fr)1.1]得到该CSF函数在AD垂直方向上的一维归一化CSF曲线（简称为AD归一化CSF曲线，如图5B所示）；所述AD归一化CSF曲线也是平面ADHE上的一维归一化CSF曲线；EH垂直方向与AD垂直方向为同一方向。

[0197] 步骤四：获得CSF加权系数

[0198] 步骤401：采用步骤二的小波分解级数（五级）分别对步骤三中的AC归一化CSF曲线AAC(f)按照频率进行通道划分，得到AC对角线方向上的六个通道，每个通道的频率标识点分别记为AC第一频率标识点fAC_0、AC第二频率标识点fAC_1、AC第三频率标识点fAC_2、AC第四频率标识点fAC_3、AC第五频率标识点fAC_4、AC第六频率标识点fAC_5、AC第七频率标识点fAC_6；对步骤三中的AD归一化CSF曲线AAD(f)按照频率进行通道划分，得到AD垂直方向上的六个通道，每个通道的频率标识点分别记为AD第一频率标识点fAD_0、AD第二频率标识点fAD_1、AD第三频率标识点fAD_2、AD第四频率标识点fAD_3、AD第五频率标识点fAD_4、AD第六频率标识点fAD_5。如图5A和图5B所示，记数以0开始计，图中通道以虚线表示，实线表示归一化CSF曲线。

[0199] 第一通道q1是指沿平面ACGE将AC归一化CSF曲线划分后得到的第一高频段通道CSF-HH1，即fAC_6和fAC_5的区间；

[0200] 第二通道q2是指沿平面ADHE将AD归一化CSF曲线划分后得到的第一中频段通道CSF-LH2，即fAD_6和fAD_5的区间；

[0201] 第三通道q3是指沿平面ACGE将AC归一化CSF曲线划分后得到的第二高频段通道CSF-HH3，即fAC_5和fAC_4的区间；

[0202] 第四通道q4是指沿平面ADHE将AD归一化CSF曲线划分后得到的第二中频段通道CSF-LH4，即fAD_5和fAD_4的区间；

[0203] 第五通道q5是指沿平面ACGE将AC归一化CSF曲线划分后得到的第三高频段通道CSF-HH5，即fAC_4和fAC_3的区间；

[0204] 第六通道q6是指沿平面ADHE将AD归一化CSF曲线划分后得到的第三中频段通道CSF-LH6，即fAD_4和fAD_3的区间；

[0205] 第七通道q7是指沿平面ACGE将AC归一化CSF曲线划分后得到的第四高频段通道CSF-HH7，即fAC-3和fAC_2的区间；

[0206] 第八通道q8是指沿平面ADHE将AD归一化CSF曲线划分后得到的第四中频段通道CSF-LH8，即fAD_3和fAD_2的区间；

[0207] 第九通道q9是指沿平面ACGE将AC归一化CSF曲线划分后得到的第五高频段通道CSF-HH9，即fAC_2和fAC_1的区间；

[0208] 第十通道q10是指沿平面ADHE将AD归一化CSF曲线划分后得到的第五中频段通道CSF-LH10，即fAD_2和fAD_1的区间；

[0209] 第十一通道q11是指沿平面ACGE将AC归一化CSF曲线划分后得到的最低频段通道CSF-LL11，即fAC_1和fAC_0的区间。

[0210] 第十二通道q12是指沿平面ADHE将AD归一化CSF曲线划分后得到的第五中频段通道CSF-LL12，即fAD_1和fAD_0的区间；

[0211] 步骤402：计算AC归一化CSF曲线上的敏感度平均值

[0212] 计算AD归一化CSF曲线上的敏感度平均值

[0213] 第一通道q1的敏感度平均值记为

[0214] 第二通道q2的敏感度平均值记为

[0215] 第三通道q3的敏感度平均值记为

[0216] 第四通道q4的敏感度平均值记为

[0217] 第五通道q5的敏感度平均值记为

[0218] 第六通道q6的敏感度平均值记为

[0219] 第七通道q7的敏感度平均值记为

[0220] 第八通道q8的敏感度平均值记为

[0221] 第九通道q9的敏感度平均值记为

[0222] 第十通道q10的敏感度平均值记为

[0223] 第十一通道q11的敏感度平均值记为

[0224] 第十二通道q12的敏感度平均值记为

[0225] 步骤403：为了统一通道的敏感度平均值，将第十一通道的敏感度平均值 记为标准加权系数；

[0226] 步骤404：应用标准加权系数对第一通道敏感度平均值至第十通道敏感度平均值进行归一量化 分别得到通道加权系数：

[0227] 第一通道加权系数值记为

[0228] 第二通道加权系数值记为

[0229] 第三通道加权系数值记为

[0230] 第四通道加权系数值记为

[0231] 第五通道加权系数值记为

[0232] 第六通道加权系数值记为

[0233] 第七通道加权系数值记为

[0234] 第八通道加权系数值记为

[0235] 第九通道加权系数值记为

[0236] 第十通道加权系数值记为

[0237] 第十一通道加权系数值记为

[0238] 步骤五：获取HVSR评价指标

[0239] 采用HVSR评价指标关系对步骤二中的规整化SAR图像的统计特征和步骤四中的通道加权系数值ωPq进行处理，得到具有主观性1m的SAR图像质量评价综合指标，即[0240] 重复步骤一至步骤五分别对2m的SAR图像、5m的SAR图像、10m的SAR图像、15m的SAR图像进行处理，最后通过表2进行参数比较，从而得到图像质量的评价信息。将本发明方法记为HVSR，在实施例中，将多幅处理后的SAR图像的所有客观指标和本发明的主观评价指标进行统计分析，得到表2的统计对比信息。

[0241] 表2SAR图像传统客观指标评价结果与HVSR的比较

[0242]

[0243] 注：“客观评价指标”引用清华大学出版社、陈天华编著的《数字图像处理》一书中的第1章第1.8图像的统计特性，第40页、第41页。

[0244] 表2分别给出了不同分辨的SAR图像客观与主观评价指标的对比分析表。由表中结果可以看出本发明所提出的评价指标与图像质量成线性关系：图像质量越好，则HVSR数值越大；图像质量越差，则HVSR数值越小。实验结果也证明这种装置和客观装置一致能反映图像质量，但是又具有反映人眼视觉感应的特点，优于客观评价装置。并且该装置是综合多种客观指标为一体，用HVSR一个指标就能有效评价出图像质量。

[0245] 本发明方法是利用真实的机载SAR所成图像作为待评价图像进行仿真实验验证HVSR方法的有效性，并将评价结果与传统方法进行比较，证明HVSR方法与传统方法的一致性。