可调对比度光学无穷远目标源设计

在光电跟踪测量设备对低对比度目标捕获能力检验中,提出一种利用可调对比度光学无穷远目标源检验的新方法。采用这种方法需建立可调对比度光学无穷远目标源装置,介绍这种装置的设计依据和设计过程。该装置可以模拟天空背景的辐亮度及这个背景下的一个低对比度目标,它利用大、小两个积分球分别模拟背景与目标的辐亮度,利用安装在大积分球上的准直物镜使目标及背景成为无穷远的目标源,在积分球上分别安装内置和外置照明光源,外置照明光源中装有光束准直系统,使卤素灯发出的光束成为平行光后射入积分球内,利用可调光栏控制通光口径的大小,从而控制了进入积分球的光通量,使得背景与目标的辐亮度在色温不变的条件下连续可调,实现目标对比度连续变化,变化范围0~90%,对比度稳定精度优于1%,光谱范围400 nm~800 nm内最大背景辐亮度优于60 W/m2sr。     

视觉掩盖效应下的无参考图像信噪比评价

针对噪声图像,提出一种视觉掩盖效应下的无参考图像信噪比评价方法。采用Hosaka分块思想,利用四叉树分解,取消了Hosaka分块对图像尺寸的限制,分块的大小体现出块内图像的主要频率成分;然后检测各个子块噪声,根据图像的污染程度,计算NRPSNR值。利用LIVE Database Release2图像库中的WN的174幅图像检验NRPSNR与DMOS的相关度,并与MSE、PSNR以及HVSNR比较分析。实验结果表明,该方法总体评价效果优于其他3种评价方法,CC为-0.895 0,SROCC为-0.923 6,OR为0.042 9,主客观评价比较吻合,且对于其他噪声类型同样适用,体现了人的视觉掩盖效应,可以满足对无参考噪声图像进行准确可靠的质量评价要求。     

基于BP神经网络的图像质量评价参数优化

 在基于噪声图像的无参考峰值信噪比质量评价方法中,为了得到最优的阈值参数,提出以图像块均方误差阈值threshold1、噪声检测阈值threshold2为输入因子, 以Pearson相关系数和Spearman等级相关系数为输出因子, 以实验值为样本建立［2 7 2］单隐层BP神经网络模型,应用BP神经网络的泛化能力实现对相关阈值参数的预测优化,为阈值参数的选择提供理论依据。实验结果表明,所建立的数学模型可靠,预测结果与试验值的偏差小,训练好的BP神经网络能够比较准确地预测不同阈值参数下的相关系数。优化后,选取threshold1=101,threshold2=4,Pearson相关系数达到了-0.895 0,Spearman等级相关系数达到了-0.913 6,评价效果得到提高,且节省大量时间。