电子设计工程
Electronic Design Engineering
第 27卷
Vol.27
第 12期
No.12
2019年 6月
Jun. 2019
收稿日期：2018-10-26 稿件编号：201810128
基金项目：国家自然科学基金资助（61471194, 61705104）；航空电子系统综合技术重点实验室和航空科学基金联
合资助（20155552050）；江苏省自然科学基金资助(BK20170804）；国防科技创新特区项目支持
作者简介：闫钧华（1972—），女，陕西兴平人，博士，教授。研究方向：多源信息融合、目标检测跟踪与识别、
图像质量评价。
遥感图像 广 泛应用于 民 用和军事 领 域。遥感
图像成 像时 受成像 设备、大气环境 、图 像 处 理技术
等影响，会产 生 图 像失真 ，降 低 遥 感图像的 应 用精
度，为此需要复原失真遥感图像。为了确保复原后
的遥感图像质量高于未复原遥感图像的质量，应针
对复原 遥 感图 像 的特 点 研究 复 原遥 感 图像 质 量评
价的方法。
遥感图像复原会改变图像模糊的程度和产生振
铃效应。2010 年，王菲等人提出基于传播波方程的
融合多特征的无参考复原遥感图像质量评价
闫钧华，白雪含，张 寅，吕向阳，侯 平
（南京航空航天大学 航天学院，江苏 南京 210016）
摘要：针对现有的无参考复原遥感图像质量评价方法特征提取不够充分的问题，文中提出一种融
合多特征的无参考复原遥感图像质量评价算法 GEDIQA（No-Reference Recovered Remote Sensing
Image Quality Assessment Based On Fusion of Multiple Features（Gradient、Entropy and Difference Im⁃
ages），GEDIQA）。在复原遥感图像上，提取梯度特征、频域熵特征、差分图特征，并利用 Adaboost-
BP 神经网络，实现无参考复原遥感图像质量评价。创建了复原模糊光学遥感图像数据库 RBOR⁃
SID2（Recovered Blur Optics Remote Sensing Image Database2），在其上与其他图像质量评价算法进
行了一致性比较，实验结果表明 GEDIQA 算法对复原遥感图像评价的 SROCC（Spearman Rank Cor⁃
relation Coefficient）在 0.95 以上，性能优于其它算法。
关键词：无参考图像质量评价；复原遥感图像；多特征；融合；Adaboost-BP 神经网络
中图分类号：TN911.73 文献标识码：A 文章编号：1674-6236（2019）12-0001-07
No-reference recovered remote sensing image quality assessment based on fusion of
multiple features
YAN Jun⁃hua，BAI Xue⁃han，ZHANG Yin，LV Xiang⁃yang，HOU Ping
（College of Astronautics，Nanjing University of Aeronautics and Astronautics，Nanjing 210016，China）
Abstract: Considering the insufficiency of feature extraction in existing blind quality assessment for
recovered remote sensing images，a No-Reference Recovered Remote Sensing Image Quality Assessment
method Based On Fusion of Multiple Features（Gradient、Entropy and Difference Images）GEDIQA is
proposed. The image feature vector is constructed by extracting the gradient features，the spectral entropy
feature and difference images features. The Adaboost- BP neural network model is used to obtain the
quality score. The Recovered Blur Optics Remote Sensing Image Database2（RBORSID2）is constructed.
A series of comparative experiments were carried out in RBORSID2. Experimental results show that
SROCC（Spearman Rank Correlation Coefficient）is above 0.95 in RBORSID2 ，which indicates GEDIQA
is superior to other methods.
Key words: no-reference image quality assessment；recovered remote sensing image；multiple features；
fusion；adaboost-BP neural network
-- 1
剩余6页未读，继续阅读
资源评论
