圖像質量分析方法

① 遙感數字圖像處理方法

1.直方圖法

    對於每幅圖像都可作出其灰度直方圖。根據直方圖的形態可大致推斷圖像的質量。由於圖像包含有大量的像元，其像元灰度值的分布應符合概率統計分布規律。假定像元的灰度值是隨機分布的，那麼其直方圖應該是正態分布。圖像的灰度值是離散變數，因此直方圖表示的是離散的概率分布。若以各灰度級的像元數占總像元數的比例值為縱坐標作出圖像的直方圖，將直方圖中各條形的最高點連成一條外輪廓線，縱坐標的比例值即為某灰度級出現的概率密度，輪廓線可近似看成圖像相應的連續函數的概率分布曲線。一般來說，如果圖像的直方圖輪廓線越接近正態分布，則說明圖像的亮度接近隨機分布，適合用統計方法處理，這樣的圖像一般反差適中；如果直方圖峰值位置偏向灰度值大的一邊，則圖像偏亮；如果峰值位置偏向灰度值小的一邊，則圖像偏暗；峰值變化過陡、過窄，則說明圖像的灰度值過於集中，後3種情況均存在反差小、質量差的問題。直方圖分析是圖像分析的基本方法，通過有目的地改變直方圖形態可改善圖像的質量。

2.鄰域法

    對於圖像中任一像元（i，j），把像元的集合{i+p，j+p}（j，p取任意整數）均稱為像元的鄰域，常用的鄰域如圖所示，分別表示中心像元的4-鄰域和8-鄰域。

    在圖像處理過程中，某一像元處理後的值g（i，j）由處理前該像元f（i，i）的小鄰域N（i，j）中的像元值確定，這種處理稱為局部處理，或稱為鄰域處理。一般圖像處理中，可根據計算目的差異，設計不同的鄰域分析函數。

3.卷積法

    卷積運算是在空間域內對圖像進行鄰域檢測的運算。選定一個卷積函數，又稱為「模板」，實際上是一個M×N的小圖像，例如3×3、5×7、7×7等。圖像的卷積運算是運用模板來實現的。模板運算方法如圖所示，選定運算模板φ（m，n），其大小為M×N，從圖像的左上角開始，在圖像上開一個與模板同樣大小的活動窗口f（m，n），使圖像窗口與模板像元的灰度值對應相乘再相加。計算結果g（m，n）作為窗口中心像元新的灰度值。模板運算的公式如下（若模板的和為0，則除以1）：

4.頻率域增強法

    在圖像中，像元的灰度值隨位置變化的頻繁程度可用頻率予以表示，這是一種隨位置變化的空間頻率。對於邊緣、線條、雜訊等特徵，如河流、湖泊的邊界，道路，差異較大的地表覆蓋交界處等具有高的空間頻率，即在較短的像元距離內灰度值變化的頻率大；而均勻分布的地物或大面積的穩定結構，如植被類型一致的平原，大面積的沙漠、海面等具有低的空間頻率，即在較長的像元距離內灰度值逐漸變化。例如，在頻率域增強技術中，平滑主要是保留圖像的低頻部分抑制高頻部分，銳化則是保留圖像的高頻部分而削弱低頻部分。

5.圖像運演算法

    對於遙感多光譜圖像和經過空間配準的兩幅或多幅單波段遙感圖像，可進行一系列的代數運算，以達到某種增強的目的。這與傳統的空間疊置分析類似，具體運算包括加法運算、差值運算、比值運算、復合指數運算等。

6.非監督分類法

    是指人們事先對分類過程不做任何的先驗知識，僅根據遙感影像地物的光譜特徵的分布規律，隨其自然地進行分類。其分類的結果，只是對不同類別進行區分，並不能確定類別屬性，其類別屬性是事後對各類的光譜曲線進行分析，以及與實地調查相比較後確定的。

    遙感圖像上的同類地物在相同的表面結構特徵、植被覆蓋、光照等條件下，一般具有相同或相近的光譜特徵，從而表現出某種內在的相似性，歸屬於同一個光譜空間區域；不同的地物，光譜信息特徵不同，歸屬於不同的光譜空間區域。這就是非監督分類的理論基礎。由於在一幅復雜的圖像中，訓練區有時不能包括所有地物的光譜樣式，這就造成了一部分像元找不到歸屬。在實際工作中為了進行監督分類而確定類別和訓練區的選取也是不易的，因而在開始分析圖像時，用非監督分類方法來研究數據的本來結構及其自然點群的分布情況是很有價值的。

    非監督分類主要採用聚類分析的方法，以此使得屬於同一類別的像元之間的距離盡可能小而不同類別上像元間的距離盡可能地大。在進行聚類分析時，首先要確定基準類別的參量。然而非監督分類中並無基準類別的先驗知識可利用，因而只能先假定初始的參量，並通過預分類處理來形成集群。再由集群的統計參數來調整預制的參量，接著再聚類、再調整。如此不斷地迭代，直到有關參數達到允許的范圍為止。

7.監督分類法

    與非監督分類不同，監督分類的最基本特點是在分類前人們對遙感圖像上某些抽樣區中影像地物的類別屬性已有了先驗知識，即先要從圖像中選取所有要區分的各類地物的樣本，用於訓練分類器（建立判別函數）。這里的先驗知識可來自於野外的實地考察，也可參照相關的其他的文字資料或圖件或者直接是圖像處理者本人的經驗等。訓練區中，具體確定各類地物各波段的灰度值，從而可確定特徵參數，建立判別函數。監督分類一般是在圖像中選取具有代表性的區域作為訓練區，由訓練區得到各個類別的統計數據，然後根據這些統計數據對整個圖像進行分類，其既可採用概率判別函數，也可採用距離判別函數。

8.圖像分割法

    它是數字圖像處理中的關鍵技術之一。圖像分割是將圖像中有意義的特徵部分提取出來，其有意義的特徵有圖像中的邊緣、區域等，這是進一步進行圖像識別、分析和理解的基礎。雖然目前已研究出不少邊緣提取、區域分割的方法，但還沒有一種普遍適用於各種圖像的有效方法。因此，對圖像分割的研究有待不斷深入。

② 分析PSNR對圖像質量評價的優缺點並試圖規劃一種方案克服SNR的缺點

PSNR優點：便於計算和理解,能大致反映圖象質量.一般情況下,PSNR的值高的圖象質量相對

較高,通常,當PSNR值在28以上時,圖象質量差異不太顯著,當高於35～40時,則肉眼分辨不出差異.

PSNR缺點：,PSNR有時反映圖象質量與人眼觀察的圖象質量情況並不完全相符.實驗表明,
在同一幅圖象中分別在圖象高頻部分、中低頻部分、低頻部加入白雜訊干擾時,在高頻部分
加入干擾時圖象質量優於其它兩種情況,但三者的峰值信噪比相同.
有理由認為PSNR 並不是一個很好的圖象質量評價指標。由於PSNR的局限性,人們仍在不斷的探討,試圖找出更接近人視覺特徵的評價指標.

由於 PSNR的局限性 ,人們仍在不斷的探討 ,試圖找出更接近人視覺特徵的評價指標. 目前新的圖象質量評價方案大多數為基於人眼視覺系統(HVS)的測量方法 ,以期更接近人眼的主觀視覺.

新標准大致可以分為兩類:基於視覺感知的測量方法和基於視覺興趣的測量方法.

1. 基於視覺感知的圖象評價方法較早也較成功的有基於剛辨差(JND ,Just Notice Difference)的視覺感知方法.由於人眼分辨亮度差異的能力與背景亮度有關 ,在寬闊的常用背景亮度變化范圍內 ,人眼的JND為常數;當背景亮度較強或較弱時,人眼的分辨能力減弱 ,即JND 增大.該方法基於此原理達到對圖象質量定量測量的目的.

2. 基於視覺興趣的圖象質量評價方法的思想是將圖象分為感興趣區(ROI ,Region of Interest) 和不感興趣區 ,並由感興趣程度對其設定加權值.整幅圖象的視覺質量往往取決於感興趣區的質量 ,不感興趣區質量的降質則影響較小. 例如 ,假設測試圖象中只有一個感興趣區A1 ,其面積為S1 ,不感興趣區A2 ,面積為S2 ,圖象總面積為S = S1 + S2 .則由此可定義一個自己的均方誤差IMSE:

③ 數字圖像處理與分析方法有哪些

數字圖像處理主要研究的內容有以下幾個方面：
1） 圖像變換由於圖像陣列很大，直接在空間域中進行處理，涉及計算量很大。因此，往往採用各種圖像變換的方法，如傅立葉變換、沃爾什變換、離散餘弦變換等間接處理技術，將空間域的處理轉換為變換域處理，不僅可減少計算量，而且可獲得更有效的處理（如傅立葉變換可在頻域中進行數字濾波處理）。目前新興研究的小波變換在時域和頻域中都具有良好的局部化特性，它在圖像處理中也有著廣泛而有效的應用。
2） 圖像編碼壓縮圖像編碼壓縮技術可減少描述圖像的數據量（即比特數），以便節省圖像傳輸、處理時間和減少所佔用的存儲器容量。壓縮可以在不失真的前提下獲得，也可以在允許的失真條件下進行。編碼是壓縮技術中最重要的方法，它在圖像處理技術中是發展最早且比較成熟的技術。
3） 圖像增強和復原圖像增強和復原的目的是為了提高圖像的質量，如去除雜訊，提高圖像的清晰度等。圖像增強不考慮圖像降質的原因，突出圖像中所感興趣的部分。如強化圖像高頻分量，可使圖像中物體輪廓清晰，細節明顯；如強化低頻分量可減少圖像中雜訊影響。圖像復原要求對圖像降質的原因有一定的了解，一般講應根據降質過程建立"降質模型"，再採用某種濾波方法，恢復或重建原來的圖像。
4） 圖像分割圖像分割是數字圖像處理中的關鍵技術之一。圖像分割是將圖像中有意義的特徵部分提取出來，其有意義的特徵有圖像中的邊緣、區域等，這是進一步進行圖像識別、分析和理解的基礎。雖然目前已研究出不少邊緣提取、區域分割的方法，但還沒有一種普遍適用於各種圖像的有效方法。因此，對圖像分割的研究還在不斷深入之中，是目前圖像處理中研究的熱點之一。
5） 圖像描述是圖像識別和理解的必要前提。作為最簡單的二值圖像可採用其幾何特性描述物體的特性，一般圖像的描述方法採用二維形狀描述，它有邊界描述和區域描述兩類方法。對於特殊的紋理圖像可採用二維紋理特徵描述。隨著圖像處理研究的深入發展，已經開始進行三維物體描述的研究，提出了體積描述、表面描述、廣義圓柱體描述等方法。
6） 圖像分類（識別）圖像分類（識別）屬於模式識別的范疇，其主要內容是圖像經過某些預處理（增強、復原、壓縮）後，進行圖像分割和特徵提取，從而進行判決分類。圖像分類常採用經典的模式識別方法，有統計模式分類和句法（結構）模式分類，近年來新發展起來的模糊模式識別和人工神經網路模式分類在圖像識別中也越來越受到重視。

④ 在圖像處理中有哪些演算法

1、圖像變換：

由於圖像陣列很大，直接在空間域中進行處理，涉及計算量很大。採用各種圖像變換的方法，如傅立葉變換、沃爾什變換、離散餘弦變換等間接處理技術，將空間域的處理轉換為變換域處理，可減少計算量，獲得更有效的處理。它在圖像處理中也有著廣泛而有效的應用。

2、圖像編碼壓縮：

圖像編碼壓縮技術可減少描述圖像的數據量，以便節省圖像傳輸、處理時間和減少所佔用的存儲器容量。

壓縮可以在不失真的前提下獲得，也可以在允許的失真條件下進行。

編碼是壓縮技術中最重要的方法，它在圖像處理技術中是發展最早且比較成熟的技術。

3、圖像增強和復原：

圖像增強和復原的目的是為了提高圖像的質量，如去除雜訊，提高圖像的清晰度等。

圖像增強不考慮圖像降質的原因，突出圖像中所感興趣的部分。如強化圖像高頻分量，可使圖像中物體輪廓清晰，細節明顯；如強化低頻分量可減少圖像中雜訊影響。

4、圖像分割：

圖像分割是數字圖像處理中的關鍵技術之一。

圖像分割是將圖像中有意義的特徵部分提取出來，其有意義的特徵有圖像中的邊緣、區域等，這是進一步進行圖像識別、分析和理解的基礎。

5、圖像描述：

圖像描述是圖像識別和理解的必要前提。

一般圖像的描述方法採用二維形狀描述，它有邊界描述和區域描述兩類方法。對於特殊的紋理圖像可採用二維紋理特徵描述。

6、圖像分類：

圖像分類屬於模式識別的范疇，其主要內容是圖像經過某些預處理（增強、復原、壓縮）後，進行圖像分割和特徵提取，從而進行判決分類。

圖像分類常採用經典的模式識別方法，有統計模式分類和句法模式分類。

(4)圖像質量分析方法擴展閱讀：

圖像處理主要應用在攝影及印刷、衛星圖像處理、醫學圖像處理、面孔識別、特徵識別、顯微圖像處理和汽車障礙識別等。

數字圖像處理技術源於20世紀20年代，當時通過海底電纜從英國倫敦到美國紐約傳輸了一幅照片，採用了數字壓縮技術。

數字圖像處理技術可以幫助人們更客觀、准確地認識世界，人的視覺系統可以幫助人類從外界獲取3/4以上的信息，而圖像、圖形又是所有視覺信息的載體，盡管人眼的鑒別力很高，可以識別上千種顏色，

但很多情況下，圖像對於人眼來說是模糊的甚至是不可見的，通過圖象增強技術，可以使模糊甚至不可見的圖像變得清晰明亮。

⑤ 如何根據圖像直方圖判斷圖像質量

直方圖為我們判斷圖像的色調提供准確的科學依據。
直方圖定義：直方圖用圖形表示了圖像的每個亮度級別的像素的數量，展現了像素在圖像中的分布情況。
點擊「窗口」—>「直方圖」,彈出直方圖界面。
調整圖像時，會出現二個直方圖，黑色為調整後的直方圖，灰色為調整前的直方圖。調整後的直方圖黑色（0色階）增多，此時圖片變暗。

當直方圖白色部分（255色階）增多時，可以看到圖像變亮了起來。

下面看看直方圖的主要屬性：
平均值：顯示的是像素的平均亮度值（0到255之間的平均亮度），通過平均值可以判斷圖像的色調類型。通過直方圖的山峰靠近暗部還是亮部，判斷圖像時偏暗還是偏亮。
標准偏差：顯示了亮度值得變化范圍，該值越高，說明圖像的亮度變化越劇烈。
中間值：顯示了亮度值范圍內的中間值，圖像的色調越亮，它的中間值越高。
像素：顯示了用於計算直方圖的像素的總數。

⑥ 遙感圖像處理的處理方法

是提高遙感圖像的像質以利於分析解譯應用的處理。灰度增強、邊緣增強和圖像的復原都屬於圖像的整飾處理。
是將衛星圖像的像元雖然用256個灰度等級來表示，但地物反射的電磁波強度常常只佔256個等級中的很小一部分，使得圖像平淡而難以解譯，天氣陰霾時更是如此。為了使圖像能顯示出豐富的層次，必須充分利用灰度等級范圍，這種處理稱為圖像的灰度增強。
常用的灰度增強方法有線性增強、分段線性增強、等概率分布增強、對數增強、指數增強和自適應灰度增強6種。
1、線性增強：把像元的灰度值線性地擴展到指定的最小和最大灰度值之間；
2、分段線性增強：把像元的灰度值分成幾個區間，每一區間的灰度值線性地變換到另一指定的灰度區間；
3、等概率分布增強：使像元灰度的概率分布函數接近直線的變換；
4、對數增強：擴展灰度值小的像元的灰度范圍，壓縮灰度值大的像元的灰度范圍；
5、指數增強：擴展灰度值大的和壓縮灰度值小的像元的灰度范圍；
6、自適應灰度增強：根據圖像的局部灰度分布情況進行灰度增強，使圖像的每一部分都能有盡可能豐富的層次。 是一種重要的圖像處理方法，其基本原理是：像元的灰度值等於以此像元為中心的若干個像元的灰度值分別乘以特定的系數後相加的平均值。由這些系數排列成的矩陣叫卷積核。選用不同的卷積核進行圖像卷積，可以取得各種處理效果。例如，除去圖像上的雜訊斑點使圖像顯得更為平滑；增強圖像上景物的邊緣以使圖像銳化；提取圖像上景物的邊緣或特定方向的邊緣等。常用的卷積核為3×3或5×5的系數矩陣，有時也使用7×7或更大的卷積核以得到更好的處理效果，但計算時間與卷積核行列數的乘積成正比地增加。
圖像的灰度增強和卷積都是直接對圖像的灰度值進行處理，有時稱為圖像的空間域處理。 在數字信號處理中常用離散的傅里葉變換，把信號轉換成不同幅度和相位的頻率分量,經濾波後再用傅里葉反變換恢復成信號，以提高信號的質量。圖像是二維信息，可以用二維的離散傅里葉變換把圖像的灰度分布轉換成空間頻率分量。圖像灰度變化劇烈的部分對應於高的空間頻率，變化緩慢的部分對應於低的空間頻率。濾去部分高頻分量可消除圖像上的斑點條紋而顯得較為平滑，增強高頻分量可突出景物的細節而使圖像銳化，濾去部分低頻分量可使圖像上被成片陰影覆蓋的部分的細節更清晰地顯現出來。精心設計的濾波器能有效地提高圖像的質量。經傅里葉變換、濾波和反變換以提高圖像質量的處理，有時稱為圖像的空間頻率域處理。

⑦ 如何評價遙感圖像的質量常用的指標有哪些

1)查看影像直方圖中單個亮度值出現的頻率。

2）在計算機上查看某一個具體位置為地理區域的像元亮度值。

3）計算基本的醫院描述性統計量，判斷影像遙感數據中是否存在異常。

4）計算多元統計量以確定波段間的相關關系（如識別冗餘信息）。

上述都為比較宏觀的描述，在具體評價的時候，可以從影像各個波段的最小值，最大值，值域，均值，標准差，波段間的協方差和相關系數等具體定量指標進行確認。