【图像融合】基于matlab图像融合评价指标【含Matlab源码 789期】

一、评价指标分类

对于融合图像，其评价指标可以按如下划分为三类
1 基于无参考的统计特征
2 基于有参考的理想（目标）图像
3 基于有参考的源图像

二、基于无参考的统计特征

2.1 平均梯度算法

function outval=ftidu(img) A=double(img); [r,c]=size(A);    [dzdx,dzdy]=gradient(A); %分别求X的梯度和Y的梯度s=sqrt((dzdx.^2+dzdy.^2)./2); g=sum(sum(s))/(r*c); outval=mean(g);
end

1.2 空间频率

function y=fSF(A)A=double(A);[rows,cols]=size(A);tempA=0;tempB=0;for i=1:rows for j=2:colstemp=(A(i,j)-A(i,j-1))^2;tempA=tempA+temp;endendfor j=1:rows for i=2:colstemp=(A(i,j)-A(i-1,j))^2;tempA=tempA+temp;endendRF=(1/(rows*cols))*tempA;CF=(1/(rows*cols))*tempB;y=(RF+CF)^0.5;
end

2.3 信息熵

function varargout= fshang(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)
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

三基于有参考的理想（目标）图像

3.1 均方根误差

function varargout= fjunfang(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)
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

3.2 峰值信噪比

function varargout= fSNR(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)
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));

3.3 相关系数

function coeff = myPearson(X , Y)
if length(X) ~= length(Y)  error('两个数值数列的维数不相等');  return;
end  fenzi = sum(X .* Y) - (sum(X) * sum(Y)) / length(X);
fenmu = sqrt((sum(X .^2) - sum(X)^2 / length(X)) * (sum(Y .^2) - sum(Y)^2 / length(X)));
coeff = fenzi / fenmu;  end %函数myPearson结束

四基于有参考的源图像

4.1 交叉熵

clc;clear;close all;
A=imread('test2.jpg');B=imread('1.tif');C=imread('2.tif');[m,n]=size(A);
a=zeros(1,256);
for i=1:mfor j=1:na(1,A(i,j)+1)=a(1,A(i,j)+1)+1;end
end
b=zeros(1,256);
for i=1:mfor j=1:nb(1,B(i,j)+1)=b(1,B(i,j)+1)+1;end
end
c=zeros(1,256);
for i=1:mfor j=1:nc(1,C(i,j)+1)=c(1,C(i,j)+1)+1;end
end
%_____________________________________________________%
a=double(a);b=double(b);c=double(c);
a=a/(m*n);b=b/(m*n);c=c/(m*n);cen1=0;
for i=1:256if a(1,i)==0temp3=0;elsetemp1=b(1,i)/a(1,i);temp2=log2(temp1);if temp2==-Inftemp2=0;endtemp3=b(1,i)*temp2;endcen1=cen1+temp3;
end
cen2=0;
for i=1:256if a(1,i)==0temp3=0;elsetemp1=c(1,i)/a(1,i);temp2=log2(temp1);if temp2==-Inftemp2=0;endtemp3=c(1,i)*temp2;endcen2=cen2+temp3;
endcen=(cen1*cen1+cen2*cen2)/2;
cen=sqrt(cen);
fprintf('\n交叉熵为:%f\n',cen);

4.2 边缘信息保持度

I=imread('');
I2=imread('');          % 分别表示原始图像，和处理后图像
imU=I(1:end-1, :);
imD=I(2:end, :);         % 上部，下部
imL=I(:, 1:end-1);
imR=I(:, 2:end);         % 左部，右部；im2U=I2(1:end-1, :);
im2D=I2(2:end, :);         % 上部，下部
im2L=I2(:, 1:end-1);
im2R=I2(:, 2:end);    EPI_H = sum(sum(abs(imR - imL)))/sum(sum(abs(im2R - im2L)));
EPI_V = sum(sum(abs(imU - imD)))/sum(sum(abs(im2D - im2D)));fprint('水平保持度为%f\n，竖直保持度为%f\n',EPI_H,EPI_V)

3.3 结构相似度

clc;
clear;
im1=imread('1.jpg');
im2=imread('2.jpg');
img1=double(im1);
img2=double(im2);
[mssim,ssim_map] = ssim(img1, img2);
fin=mssim
function [mssim, ssim_map] = ssim(img1, img2, K, window, L)
%Input : (1) img1: the first image being compared
%        (2) img2: the second image being compared
%        (3) K: constants in the SSIM index formula (see the above
%            reference). defualt value: K = [0.01 0.03]
%        (4) window: local window for statistics (see the above
%            reference). default widnow is Gaussian given by
%            window = fspecial('gaussian', 11, 1.5);
%        (5) L: dynamic range of the images. default: L = 255
%
%Output: (1) mssim: the mean SSIM index value between 2 images.
%            If one of the images being compared is regarded as
%            perfect quality, then mssim can be considered as the
%            quality measure of the other image.
%            If img1 = img2, then mssim = 1.
%        (2) ssim_map: the SSIM index map of the test image. The map
%            has a smaller size than the input images. The actual size:
%            size(img1) - size(window) + 1.
%
%Default Usage:
%   Given 2 test images img1 and img2, whose dynamic range is 0-255
%
%   [mssim ssim_map] = ssim_index(img1, img2);
%
%Advanced Usage:
%   User defined parameters. For example
%
%   K = [0.05 0.05];
%   window = ones(8);
%   L = 100;
%   [mssim ssim_map] = ssim_index(img1, img2, K, window, L);
%
%See the results:
%
%   mssim                        %Gives the mssim value
%   imshow(max(0, ssim_map).^4)  %Shows the SSIM index map
%
%========================================================================if (nargin < 2 || nargin > 5)
%    ssim_index = -Inf;ssim_map = -Inf;return;
endif (size(img1) ~= size(img2))
%    ssim_index = -Inf;ssim_map = -Inf;return;
end[M N] = size(img1);if (nargin == 2)if ((M < 11) || (N < 11))   % 图像大小过小，则没有意义。
%            ssim_index = -Inf;ssim_map = -Inf;returnendwindow = fspecial('gaussian', 11, 1.5);        % 参数一个标准偏差1.5，11*11的高斯低通滤波。K(1) = 0.01;                                                                      % default settingsK(2) = 0.03;                                                                      %L = 255;                                  %
endif (nargin == 3)if ((M < 11) || (N < 11))
%            ssim_index = -Inf;ssim_map = -Inf;returnendwindow = fspecial('gaussian', 11, 1.5);L = 255;if (length(K) == 2)if (K(1) < 0 || K(2) < 0)
%                    ssim_index = -Inf;ssim_map = -Inf;return;endelse
%            ssim_index = -Inf;ssim_map = -Inf;return;end
endif (nargin == 4)[H W] = size(window);if ((H*W) < 4 || (H > M) || (W > N))
%            ssim_index = -Inf;ssim_map = -Inf;returnendL = 255;if (length(K) == 2)if (K(1) < 0 || K(2) < 0)
%                    ssim_index = -Inf;ssim_map = -Inf;return;endelse
%            ssim_index = -Inf;ssim_map = -Inf;return;end
endif (nargin == 5)[H W] = size(window);if ((H*W) < 4 || (H > M) || (W > N))
%            ssim_index = -Inf;ssim_map = -Inf;returnendif (length(K) == 2)if (K(1) < 0 || K(2) < 0)
%                    ssim_index = -Inf;ssim_map = -Inf;return;endelse
%            ssim_index = -Inf;ssim_map = -Inf;return;end
end
%%
C1 = (K(1)*L)^2;    % 计算C1参数，给亮度L（x，y）用。
C2 = (K(2)*L)^2;    % 计算C2参数，给对比度C（x，y）用。
window = window/sum(sum(window)); %滤波器归一化操作。
img1 = double(img1);
img2 = double(img2);mu1   = filter2(window, img1, 'valid');  % 对图像进行滤波因子加权
mu2   = filter2(window, img2, 'valid');  % 对图像进行滤波因子加权mu1_sq = mu1.*mu1;     % 计算出Ux平方值。
mu2_sq = mu2.*mu2;     % 计算出Uy平方值。
mu1_mu2 = mu1.*mu2;    % 计算Ux*Uy值。sigma1_sq = filter2(window, img1.*img1, 'valid') - mu1_sq;  % 计算sigmax （标准差）
sigma2_sq = filter2(window, img2.*img2, 'valid') - mu2_sq;  % 计算sigmay （标准差）
sigma12 = filter2(window, img1.*img2, 'valid') - mu1_mu2;   % 计算sigmaxy（标准差）if (C1 > 0 && C2 > 0)ssim_map = ((2*mu1_mu2 + C1).*(2*sigma12 + C2))./((mu1_sq + mu2_sq + C1).*(sigma1_sq + sigma2_sq + C2));
elsenumerator1 = 2*mu1_mu2 + C1;numerator2 = 2*sigma12 + C2;denominator1 = mu1_sq + mu2_sq + C1;denominator2 = sigma1_sq + sigma2_sq + C2;ssim_map = ones(size(mu1));index = (denominator1.*denominator2 > 0);ssim_map(index) = (numerator1(index).*numerator2(index))./(denominator1(index).*denominator2(index));index = (denominator1 ~= 0) & (denominator2 == 0);ssim_map(index) = numerator1(index)./denominator1(index);
endmssim = mean2(ssim_map);return
end

四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 蔡利梅.MATLAB图像处理——理论、算法与实例分析[M].清华大学出版社，2020.
[2]杨丹,赵海滨,龙哲.MATLAB图像处理实例详解[M].清华大学出版社，2013.
[3]周品.MATLAB图像处理与图形用户界面设计[M].清华大学出版社，2013.
[4]刘成龙.精通MATLAB图像处理[M].清华大学出版社，2015.

【图像融合】基于matlab图像融合评价指标【含Matlab源码 789期】相关推荐

【Matlab图像融合】小波变换遥感图像融合【含GUI源码 744期】
一.代码运行视频(哔哩哔哩) [Matlab图像融合]小波变换遥感图像融合[含GUI源码 744期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] 包子阳,余 ...
【Matlab图像加密】正交拉丁方置乱算法图像加解密【含GUI源码 182期】
一.代码运行视频(哔哩哔哩) [Matlab图像加密]正交拉丁方置乱算法图像加解密[含GUI源码 182期] 二.matlab版本及参考文献一.代码运行视频(哔哩哔哩) [Matlab图像处理]自动 ...
【Matlab人脸识别】BP神经网络人脸识别（含识别率）【含GUI源码 891期】
一.代码运行视频(哔哩哔哩) [Matlab人脸识别]BP神经网络人脸识别(含识别率)[含GUI源码 891期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] ...
【Matlab人脸识别】形态学教室人数统计（带面板）【含GUI源码 1703期】
一.代码运行视频(哔哩哔哩) [Matlab人脸识别]形态学教室人数统计(带面板)[含GUI源码 1703期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1]孟 ...
【Matlab人脸识别】人脸实时检测与跟踪【含GUI源码 673期】
一.代码运行视频(哔哩哔哩) [Matlab人脸识别]人脸实时检测与跟踪[含GUI源码 673期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1]孟逸凡,柳益君 ...
【Matlab车牌识别】停车计费系统【含GUI源码 735期】
一.代码运行视频(哔哩哔哩) [Matlab车牌识别]停车计费系统[含GUI源码 735期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] 蔡利梅.MATLA ...
【Matlab生物电信号】生物电信号仿真【含GUI源码 684期】
一.代码运行视频(哔哩哔哩) [Matlab生物电信号]生物电信号仿真[含GUI源码 684期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1]董兵,超于毅,李 ...
【Matlab语音分析】语音信号分析【含GUI源码 1718期】
一.代码运行视频(哔哩哔哩) [Matlab语音分析]语音信号分析[含GUI源码 1718期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1]韩纪庆,张磊,郑铁 ...
【Matlab验证码识别】遗传算法和最大熵优化+大津法（OTSU）+自定义阈值数字验证码识别【含GUI源码 1694期】
一.代码运行视频(哔哩哔哩) [Matlab验证码识别]遗传算法和最大熵优化+大津法(OTSU)+自定义阈值数字验证码识别[含GUI源码 1694期] 二.matlab版本及参考文献 1 matlab ...
【Matlab语音加密】语音信号加密解密（带面板）【含GUI源码 181期】
一.代码运行视频(哔哩哔哩) [Matlab语音加密]语音信号加密解密(带面板)[含GUI源码 181期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1]韩纪庆 ...

【图像融合】基于matlab图像融合评价指标【含Matlab源码 789期】

一、评价指标分类

二、基于无参考的统计特征

三基于有参考的理想（目标）图像

四基于有参考的源图像

四、matlab版本及参考文献

【图像融合】基于matlab图像融合评价指标【含Matlab源码 789期】相关推荐

最新文章

热门文章

【图像融合】基于matlab图像融合评价指标【含Matlab源码 789期】

一、评价指标分类

二 、基于无参考的统计特征

三 基于有参考的理想（目标）图像

四 基于有参考的源图像

四、matlab版本及参考文献

【图像融合】基于matlab图像融合评价指标【含Matlab源码 789期】相关推荐

最新文章

热门文章

二、基于无参考的统计特征

三基于有参考的理想（目标）图像

四基于有参考的源图像