【图像融合】评价方法（熵、均方根误差）

2024-06-09 10:43:37

图像融合质量评价方法

一般分为主观和客观两类：

1、主观方法主要是观察者来评价融合结果的质量。

2、客观方法又分为两类：

(1)无参考图像评价方法(如信息熵)。

1)单一图像统计特征评价。

2)融合图像和原图像关系评价。

(2)有参考图像评价方法(如均方根误差)。

熵

说明：L表示图像灰度级别。Pi表示灰度值i像素占总像素比例。E越大表示融合图像信息量越大。

代码示例

function varargout= msg(varargin)
%函数功能：
%     函数msg求出输入图像的熵
%----------------------------------%if nargin<1         %判断输入变量的个数error('输入参数必须大于等于1.');
elseif nargin==1varargout{1}=f(varargin{1});
end
endfunction y= f(x)
%函数功能：
%      函数y=f(x)的功能是求出图像x的熵
%输入参数：
%      x----输入的原图像
%输出参数：
%      y----原图像的熵
%-------------------------------------------------%
x=uint8(x);
temp=unique(x);   %temp就是x中全部不同的元素，例如x=[1,1,3,4,1,5];那么temp=[1;3;4;5]
temp=temp';
len=length(temp); %求出x矩阵中不同元素的个数
p=zeros(1,len);   %p向量用来存储矩阵x中每个不同元素的个数
[m,n]=size(x);
for k=1:lenfor i=1:mfor j=1:nif x(i,j)==temp(1,k)p(1,k)=p(1,k)+1;endendend
end
for k=1:lenp(1,k)=p(1,k)/(m*n);  %求出每个不同元素出现的频率p(1,k)=-p(1,k)*log2(p(1,k));
end
y=sum(p);
end

函数调用

x1 = imread('lena.jpg');
x2 = imread('lena1.jpg');
x3 = imread('lena2.jpg');subplot(1,3,1);imshow(x1);title('源图像');
subplot(1,3,2);imshow(x2);title('左模糊');
subplot(1,3,3);imshow(x3);title('右模糊');out{1}= msg(x1);
out{2}= msg(x2);
out{3}= msg(x3);fprintf('\n图像1的熵:%f\n',out{1});
fprintf('\n图像2的熵:%f\n',out{2});
fprintf('\n图像3的熵:%f\n',out{3});

运行结果

均方根误差

说明：均方误差越小，表示融合图像和参考图差异越小，融合效果越好。

代码示例

function varargout= rmse(varargin)if nargin<2error('输入参数必须大于等于2.');
elseif nargin==2varargout{1}=h(varargin{1},varargin{2});
end
endfunction r=h(f,g)
%函数功能：
%      函数r=h(f,g)求出两幅图像的均方根误差r
%输入参数：
%      f----标准图像
%      g----融合后的图像
%-------------------------------------%f=double(f);
g=double(g);
[m,n]=size(f);temp=[];
for i=1:mfor j=1:ntemp(i,j)=(f(i,j)-g(i,j))^2;end
endr=sqrt(sum(sum(temp))/(m*n));end

函数调用

x1 = imread('lena.jpg');
x2 = imread('lena1.jpg');
x3 = imread('lena2.jpg');subplot(1,3,1);imshow(x1);title('源图像');
subplot(1,3,2);imshow(x2);title('左模糊');
subplot(1,3,3);imshow(x3);title('右模糊');out1= rmse(x1,x2);
out2= rmse(x1,x3);fprintf('\n图像1、2的均方根误差:%f\n',out1);
fprintf('\n图像1、3的均方根误差:%f\n',out2);

运行结果

【图像融合】评价方法（熵、均方根误差）相关推荐

matlab图像融合评价,MATLAB 图像融合评估算法
MATLAB 图像融合评价算法 function laplacian(ori_A,ori_B) path(path,'FusionEvaluation/') %Ori_A = imread('cloc ...
评价方法-熵权法确定指标权重
评价方法根据确定权重的方法,大体上可分为主观赋权,客观赋权:主观赋权依赖于"专家"的权重或较多独立个体的评判偏好,如层次分析法,功效系数法,模糊综合评价法,综合指数法:客观赋权法根 ...
【视频开发】图像清晰度评价方法
通过算法检测监控设备是否存在失焦.偏色.亮度异常等问题.问题本身不难,在网上查看了一些资料,自己也做了一些思考,方法如下: 1.失焦检测. 失焦的主要表现就是画面模糊,衡量画面模糊的主要方法就是梯度的 ...
【CV】图像融合结果评价
###Date: 2018.3.22 ============================================================== 简介本篇主要是记录下图像融合结果图 ...
图像清晰度评价15种方法对比
在无参考图像的质量评价中,图像的清晰度是衡量图像质量优劣的重要指标,它能够较好的与人的主观感受相对应,图像的清晰度不高表现出图像的模糊.本文针对无参考图像质量评价应用,对目前几种较为常用的.具有代表性 ...
无参考图像的清晰度评价方法
在无参考图像的质量评价中,图像的清晰度是衡量图像质量优劣的重要指标,它能够较好的与人的主观感受相对应,图像的清晰度不高表现出图像的模糊.本文针对无参考图像质量评价应用,对目前几种较为常用的.具有代表性 ...
无参考图像的清晰度评价方法 (图像清晰度的评价指标)
无参考图像的清晰度评价方法 from: http://nkwavelet.blog.163.com/blog/static/227756038201461532247117 在无参考图像的质量评价中, ...
一篇关于红外图像和可见光图像融合的摘要
题目:Infrared and visible image fusion methods and applications: A survey 摘要:红外图像可以根据辐射差异将目标与背景区分开来,这在 ...
合成孔径成像算法与实现_MIMO OFDM宽幅SAR成像仿真与图像融合技术
在之前的<UWB OFDM信号产生,MIMO-SAR显优势>一文中,我们曾介绍了正交频分复用(OFDM)信号的产生原理及在雷达应用中的优势.本文将在此基础上介绍MIMO OFDM宽幅SAR ...

最新文章

热门文章