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
中图分类号： TN911.73
文献标志码：A
0 引言
红外图像质量评价[1]可以用来指导红外图像采集设备和处理系统的构建与调整，以及优化图像处理算法与参数设定。目前图像质量评价一般分为主观质量评价（subjective image quality assessment）[2]和客观质量评价（objective image quality assessment）[2]两大类。在一般情况下，图像信息的最终接收者是人，因此利用主观评价方法来对图像质量进行评价是最准确可靠的，但是主观质量评价方法考虑了观察者对图像的理解效果，这种方法由于受到观察者的知识背景、观测目的和观测环境等主观因素的影响，不易准确测量，带有明显主观性，且难以用数学模型表达加以应用，具有实现过程繁琐、耗时、耗力和耗资等缺点，所以客观质量评价方法是目前图像质量评价的研究重点。客观质量评价根据在进行图像质量评价时是否有原始图像作为参考又分为三类：全参考质量评价[3]、部分参考质量评价[4]和无参考质量评价[5]。其中全参考和部分参考质量评价方法在进行图像质量评价时都需要参考图像或部分特征，然而在许多的应用场合中根本无法获取原始图像作为参考，因此对无参考图像质量评价方法的研究显得尤为重要。
在无参考图像质量评价中，图像的清晰度是度量图像质量好坏的重要指标，它能够较好地反映出人对图像的主观感受。常见的图像清晰度评价方法可以分为三大类[6]：1）基于梯度函数的评价方法。在图像处理中梯度函数常用来提取图像的边缘信息，对于聚焦较好的图像，图像清晰度较高，边缘结构更加锐利，具有更大的梯度值，因此可以通过计算图像的梯度值来表征图像的清晰程度。该方法的优点是计算简单、应用范围广，但是在抗噪声性能上表现不理想。文献[7]提出了一种基于焦点窗口模式的能量梯度评价函数方法，文献[8]提出了一种聚焦窗口模式的平方梯度函数作为图像清晰度评价函数。文献[7-8]都涉及到待评估图像区域的权重问题，取不同的权重将导致不同的图像评价结果，因此具有一定的局限性。
2）基于图像变换域的方法。该类方法的理论依据是清晰度高的图像比较模糊图像应该包含更多的高频成份，这就是说图像的高频分量越多，则图像越清晰可辨，如图1所示。该方法的缺点是需要进行空域与频域的变换，这使得计算量增大，运算效率降低。
3）熵函数法。该方法是根据香农信息论中熵越大时信息量就越多的理论提出的，将该原理应用于图像清晰度评价方法中，可以认为在图像能量一定的情况下，图像越清晰则图像熵向大的方向变化。方法的优点是思路简单、物理意义明确，但是其计算灵敏度不高。文献[9]在均方差判决函数的基础上，提出了条件加权均方的方法。但是该文献通过人机交互来选择使用图像熵还是条件加权均方函数作为自动聚焦判决函数，需要过多的人为干涉，缺乏自适应性。
本文针对熵函数方法的不足，提出一种基于模糊熵的无参考红外图像质量评价方法，使用模糊理论中模糊熵来弥补熵函数方法计算灵敏度不高的不足，可以快速精确地评价模糊红外图像。
计算出邻域内每个像素的隶属度后，通过式（4）可以计算出邻域内的模糊熵。当这一窗口沿图像从上到下、从左到右在图像中逐点移动，扫描过整个图像后，进行累加求和就可以得到这幅图像的模糊熵。在运用模糊熵计算图像平坦区域时，模糊熵为零或较小，这是因为图像平坦区域灰度值变化幅度不大；而在计算图像边缘时，因为灰度值跳跃比较大，模糊熵较大。一幅图像越清晰，则图像的边缘结构和纹理特征越明显，因此模糊熵越大说明图像的边缘结构和纹理特征越明显。
3 实验结果分析与比较
3.1 仿真实验
为了验证本文提出的红外图像质量评价算法的有效性，采用较为清晰的红外图像作为参考图像。之所以采用较为清晰的红外图像作为参考图像，是因为红外图像无法获得较为理想的原始红外图像作为参考图像。设定参考图像后，本文提出的客观红外图像质量评价算法将与
均方差（Mean Squared Error， MSE）、峰值信噪比（Peak SignaltoNoise Ratio，PSNR）和结构相似度（Structural SIMilarity，SSIM）三种全参考客观评价算法作比较。实验测试了两组不同场景和不同标准差的模糊红外图，如图3所示。
主观评价值是通过不同的观察者在适当的距离处观测，通过给出图像感知质量：很好、较好、一般、较差和很差5个等级，最后平均得到。为了对本文提出的客观评价方法的有效性进行进一步的验证，采用美国TEXAS大学的LIVE标准图像数据库[11]。从表3中得知该图像数据库包含29张原始图像、799张待评价图像以及各个图像相应的主观评分差值（Difference Mean Opinion Score，DMOS）。本文算法主要是针对图像模糊提出的，因此仅选择图像库中的145幅高斯模糊图像进行实验。
4 结语
本文提出了一种针对模糊红外图像的无参考质量评价方法——模糊熵。该方法利用图像所具有的不确定性往往是模糊性，而不是随机性的特征，引入描述模糊集不确定性程度的模糊熵理论进行图像质量评价研究。这种方法原理简单，易于实现，且能抓住人的视觉认知本身所具有的模糊不确定性因素。实验结果表明，该方法优于MSE和PSNR全参考图像质量评价方法，是一种准确可靠的无参考红外图像清晰度评价方法。
整幅图像的模糊度可以由图像的模糊熵来进行衡量，但是全局模糊熵没有考虑到像素点在空间上的分布情况，不能衡量图像中局部区域的模糊程度。因此可以将图像的全局模糊熵推广到图像的局部模糊熵，以进一步提高算法的效率、准确性和有效性。
本文提出的客观评价方法仅仅对于模糊红外图像评价效较为理想，这是由算法本身的数学原理造成的，如何将这种客观评价方法应用于其他失真类型的图像将是下一步的研究重点。
参考文献：
[1]徐春梅，李刚，胡文刚，等.红外图像评价质量研究[J].红外技术，2004，26（6）：72-75.
[2]WANG Z， BOVIK A C. Modern image quality assessment [M]. New York： Morgan & Claypool Publishers， 2006：20-30.
[3]ISMAIL A， BULENT S， KHALID S. Statistical evaluation of image quality measures [J]. Journal of Electronic Imaging，2002，11（2）：206-213.
[4]LU W， ZENG K， TAO D C， et al. Noreference image quality assessment in contourlet domain [J]. Neurocomputing， 2010， 73（4/5/6）： 784-794.
[5]谢小甫，周进，吴钦章.一种针对图像模糊的无参考质量评价指标[J].计算机应用，2010，30（4）：921-924.
[6]李祚林，李晓辉，马灵玲，等.面向无参考图像的清晰度评价方法研究[J].遥感技术与应用，2011，26（2）：239-245.
[7]吴利明，陶晓杰.一种新的图像清晰度评价方法[J].仪器仪表用户，2008，15（6）：84-86.
[8]王勇，谭毅华，田金文.一种新的图像清晰度评价函数[J].武汉理工大学学报，2007，29（3）：124-126.
[9]朱铮涛，黎绍发，陈华平.基于图像熵的自动聚焦函数研究[J].光学精密工程，2004，12（5）：537-541.
[10]郭桂蓉，庄钊文.信息处理中的模糊技术[M].长沙：国防科技大学出版社，1993：187-188.
[11]SHEIKH H R， WANG Z，BOVIK A C. LIVE image quality assessment database release 2 [EB/OL]. [2012-10-20].http：//live.ece.utexas.edu/research/quality.
[12]LARSON E， CHANDLER D. Most apparent distortion： fullreference image quality assessment and the role of strategy [J]. Journal of Electronic Imaging，2010，19（1）：011006.
[13]NINASSI A， CALLET P L， AUTRUSSEAU F. Subjective quality assessment — IVC database [EB/OL].[2012-10-20]. http：//www2.irccyn.ec-nantes.fr/ivcdb/.
[14]HORITA Y，HAWAYOKE Y，PARVEZ SAZZAD. Image quality evaluation database [EB/OL].[2012-10-20] http：//160.26.142.130/toyama_database.zip.
[15]CHANDLER D M， HEMAMI S S. [EB/OL]. VSNR： a waveletbased visual signaltonoise ratio for natural images [EB/OL]. [2012-10-22]. http：//foulard.ece.cornell.edu/dmc27/vs/vs.html.
[16] PONOMARENKO N， LUKIN V， EGIAZARIAN K，et al. Color image database for evaluation of image quality metrics [C]// Proceedings of the 2008 IEEE 10th Workshop on Multimedia Signal Processing. Piscataway： IEEE， 2008：403-408.
[17]ENGELKE U，ZEPERNICK H，KUSUMA M. Wireless imaging quality database [EB/OL]. [2012-10-25]. http：//.cn/qkpdf/jisy/jisy201308/jisy20130852-1.pdf" style="color:red" target="_blank">原版全文 相关热词搜索： 图像 模糊 评价 参考 质量