图像质量评价指标-EME\EMEE(熵增强度量)

图像质量评价指标-EME\EMEE(熵增强度量)本文介绍了用于评估红外图像增强算法性能的两个指标 熵增强度量 EME 和考虑主观视觉的 EMEE

大家好,欢迎来到IT知识分享网。

文章目录

一、评价指标EME

在文章《An improved contrast enhancement algorithm for infrared images based on adaptive double plateaus histogram equalization》中,提到的了评价指标EME( measure of enhancement by entropy),熵增强度量,这是图像增强的典型定量度量,来评估算法在对比度改进方面的性能。数值越大,表示图像对比度越高。

lthe measure of enhancement by entropy (EME) , which is a typical quantitative measure ofimage enhancement, to further evaluate the performance of our

algorithm in contrast improvement.

EME指标将图像分为多个图像块,统计图像块内的像素值,根据像素块内最大最小值的关系评价对比度。计算公式如下:

E M E = 1 k 1 ∗ k 2 ∑ m = 1 k 1 ∑ n = 1 k 2 20 l o g I m a x , m , n w I m i n , m , n w EME=\frac{1}{k1*k2}\sum_{m=1}^{k1}\sum_{n=1}^{k2}20log\frac{I_{max,m,n}^{w}}{I_{min,m,n}^{w}}\\ EME=k1k21m=1k1n=1k220logImin,m,nwImax,m,nw

其中,k1、k2是图像横纵方向的分块数量, I m a x , m , n w I_{max,m,n}^{w} Imax,m,nw表示块内最大值, I m i n , m , n w I_{min,m,n}^{w} Imin,m,nw表示块内最小值。


二、评价指标EMEE

还有一种熵增强评价方法EMEE[1],相比EME更符合人类主观视觉效果。跟EME相似,把一幅图像分成大小为k1xk2个图像块区域,统计局部极值,公式略有区别,计算公式如下:

E M E E = 1 k 1 ∗ k 2 ∑ m = 1 k 1 ∑ n = 1 k 2 I m a x , m , n w I m i n , m , n w + c l o g I m a x , m , n w I m i n , m , n w + c EMEE=\frac{1}{k1*k2}\sum_{m=1}^{k1}\sum_{n=1}^{k2}\frac{I_{max,m,n}^{w}}{I_{min,m,n}^{w}+c}log\frac{I_{max,m,n}^{w}}{I_{min,m,n}^{w}+c}\\ EMEE=k1k21m=1k1n=1k2Imin,m,nw+cImax,m,nwlogImin,m,nw+cImax,m,nw

其中,c表示不为零的很小的常数。

在实验的客观评价时,取k1、k2为16,即把图像分成16×16个块

原图 HE ADPHE
EME 11.79 22.02 15.1
EMEE 1.94 1230 15.26

从EME指标来看,HE的EME\EMEE指标都很大,表示对比度很强,但是图像来看有过增强现象,ADPHE算法的EME指标也有提升,增强后图像更自然。

以下结果分别是原图、HE结果、ADPHE结果。

图像质量评价指标-EME\EMEE(熵增强度量)

图像质量评价指标-EME\EMEE(熵增强度量)

图像质量评价指标-EME\EMEE(熵增强度量)

三、仿真代码

感兴趣的可以找论文复现或者看一下链接,可以试试EMEE指标。

https://github.com/AomanHao/Matlab-Image-Evaluate/tree/master/Evaluate

四、参考文献

1、《对数图像处理新模型及应用研究》


我的个人博客主页,欢迎访问

我的CSDN主页,欢迎访问

我的GitHub主页,欢迎访问

我的知乎主页,欢迎访问

免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://yundeesoft.com/157692.html

(0)
上一篇 2025-01-28 21:00
下一篇 2025-01-28 21:05

相关推荐

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注微信