多维特征融合ISAR质量评估系统及其方法

1.一种多维特征融合ISAR质量评估系统，包括：单幅图像质量评估系统和批量图像质量评估系统；其中，所述单幅图像质量评估系统被配置为：计算输入的单幅待评估图像的数值型指标，所述数值型指标包括幅宽和信噪比，将数值型指标满足预设条件的待评估图像进行点目标或面目标质量评估，并输出该所述单幅待评估图像的质量评估结果；所述批量图像质量评估系统被配置为：计算输入的批量待评估图像中每一幅待评估图像的数值型指标，所述数值型指标包括幅宽和信噪比，并将所述每一幅待评估图像的数值型指标与输入的预设的数值型指标阈值进行对比，将合格的待评估图像进行面目标质量评估，并输出该所述批量待评估图像的质量评估结果；其中，所述面目标质量评估基于熵权法的TOPSIS法计算幅宽大于幅宽阈值、信噪比大于信噪比阈值的待评估图像中各可视趋向型指标的权重，并根据各可视趋向型指标的权重计算待评估图像的质量分数；所述可视趋向型指标包括多个正向趋向型指标，所述多个正向趋向型指标包括基于图像边缘特征的对比度、图像熵、基于边缘特征的平均梯度、辐射分辨率和基于人眼视觉的图像质量；采用客观赋权法对多个可视趋向型指标的权重进行动态加权，从不同角度全面评估图像质量，以确保评估的准确性，并为不同类型的图像评估提供了更大的灵活性；客观赋权法包括：通过熵权法计算出各可视趋向型指标的权值，通过TOPSIS分析法进行评分，使用基于熵权法的TOPSIS法计算多个可视趋向型指标的权值，获取待评估图像的质量评分，包括：获取 个待评估图像， 个可视趋向型指标，将各所述可视趋向型指标的数值转换为相对值 ，其表达式为： ；其中， 表示第 个待评估图像的第 个可视趋向型指标的数值；其中， ， ；将各所述可视趋向型指标进行标准化处理，其表达式为： ；计算第 个待评估图像的相对值占第 个可视趋向型指标的比重 ，其表达式为： ；根据比重 ，计算第 个可视趋向型指标的熵值 ，其表达式为： ；其中， 表示自然对数函数，满足 ，则 ；根据第 个可视趋向型指标的熵值 ，计算第 个可视趋向型指标的信息熵冗余度 ，其表达式为： ；根据第 个可视趋向型指标的信息熵冗余度 ，计算第 个可视趋向型指标的权重 ，其表达式为： ；对每个可视趋向型指标进行权重计算，得到各可视趋向型指标的权重；根据样本集合中各个样本中各可视趋向型指标的相对值，获取最优距离和最劣距离；其中，定义最大值，其表达式为： ；定义最小值，其表达式为： ；计算第 个样本与最大值的距离 ，其表达式为： ；计算第 个样本与最小值的距离 ，其表达式为： ；其中， 表示各指标的权重；计算第 个样本的质量评分 ，其表达式为： ；将各个样本的质量评分归一化处理，得到待评估图像的质量评分 ，其表达式为： ； 越大，评估对象越接近最优值，图像的质量越好。 2.根据权利要求1所述的多维特征融合ISAR质量评估系统，其特征在于，所述单幅图像质量评估系统包括单幅图像加载模块、图像显示模块、第一图像幅宽计算模块、第一图像信噪比计算模块、点目标质量评估模块、面目标质量评估模块、指标数据保存模块和第一信息提示模块；其中，所述单幅图像加载模块被配置为加载所述单幅待评估图像，所述图像显示模块被配置为显示加载的所述单幅待评估图像，所述第一图像幅宽计算模块被配置为响应于用户输入的参数计算所述单幅待评估图像的方位向成像幅宽和距离向成像幅宽，所述第一图像信噪比计算模块被配置为计算所述单幅待评估图像的信噪比，所述点目标质量评估模块被配置为响应于用户输入的距离向的采样区间和采样倍数、以及方位向的采样区间和采样倍数，计算方位向峰值旁瓣比、距离向峰值旁瓣比、方位向积分旁瓣比、距离向积分旁瓣比、方位向分辨率和距离向分辨率，所述面目标质量评估模块被配置为计算所述单幅待评估图像的可视趋向型指标，并计算所述单幅待评估图像的质量分数，所述指标数据保存模块被配置为保存计算出来的指标数据，所述第一信息提示模块被配置为提示用户在评估所述单幅待评估图像质量时进行正确操作。 3.根据权利要求2所述的多维特征融合ISAR质量评估系统，其特征在于，所述指标数据保存模块被配置为判断所述计算出来的指标数据是否需要保存在同一个文件，如果是，则保存至用户创建的空表格中所述指标数据所在列的单元格；如果不是，则根据用户选择保存的路径，保存至自动创建的表格。 4.根据权利要求1所述的多维特征融合ISAR质量评估系统，其特征在于，所述批量图像质量评估系统包括批量图像加载模块、信噪比和幅宽输入模块、第二图像幅宽计算模块、第二图像信噪比计算模块、批量图像评估模块、权值显示模块、权值保存模块和第二信息提示模块；其中，所述批量图像加载模块被配置为加载所述批量待评估图像，所述第二图像幅宽计算模块被配置为响应于用户输入的参数计算所述批量待评估图像中每一幅待评估图像的方位向成像幅宽和距离向成像幅宽，所述第二图像信噪比计算模块被配置为计算批量待评估图像中每一幅待评估图像的信噪比，所述信噪比和幅宽输入模块被配置为响应于用户指定的幅宽阈值和信噪比阈值，筛选出幅宽大于所述幅宽阈值、以及信噪比大于所述信噪比阈值的待评估图像，所述批量图像评估模块被配置为计算幅宽大于所述幅宽阈值、信噪比大于所述信噪比阈值的待评估图像的质量分数，所述权值显示模块被配置为显示面目标包括的可视趋向型指标对应的权值，所述权值保存模块被配置为保存所述面目标包括的可视趋向型指标对应的权值，所述第二信息提示模块被配置为提示用户在评估批量待评估图像质量时进行正确操作。 5.一种多维特征融合ISAR质量评估方法，其特征在于，包括：判断待评估图像的数量是否为单幅图像；如果是，计算所述待评估图像的数值型指标，所述数值型指标包括信噪比和幅宽，判断所述待评估图像的数值型指标是否满足预设条件，如果不满足，则将所述待评估图像判定为质量不合格，如果满足，判断所述待评估图像是否为点目标，如果是，则按照点目标质量评估标准，对所述待评估图像进行质量评估，如果不是，则按照面目标质量评估标准，对所述待评估图像进行质量评估；如果不是，计算每一幅所述待评估图像的数值型指标，所述数值型指标包括信噪比和幅宽，并将每一幅所述待评估图像的数值型指标与预设的数值型指标阈值进行对比，如果所述待评估图像的数值型指标不合格，则将该所述待评估图像放入新的文件夹，并从原文件夹删除，如果所述待评估图像的数值型指标合格，则对批量所述待评估图像进行质量评估；其中，所述面目标质量评估基于熵权法的TOPSIS法计算幅宽大于幅宽阈值、信噪比大于信噪比阈值的待评估图像中各可视趋向型指标的权重，并根据各可视趋向型指标的权重计算待评估图像的质量分数；所述可视趋向型指标包括多个正向趋向型指标，所述多个正向趋向型指标包括基于图像边缘特征的对比度、图像熵、基于边缘特征的平均梯度、辐射分辨率和基于人眼视觉的图像质量；采用客观赋权法对多个可视趋向型指标的权重进行动态加权，从不同角度全面评估图像质量，以确保评估的准确性，并为不同类型的图像评估提供了更大的灵活性；客观赋权法包括：通过熵权法计算出各可视趋向型指标的权值，通过TOPSIS分析法进行评分，使用基于熵权法的TOPSIS法计算多个可视趋向型指标的权值，获取待评估图像的质量评分，包括：获取 个待评估图像， 个可视趋向型指标，将各所述可视趋向型指标的数值转换为相对值 ，其表达式为： ；其中， 表示第 个待评估图像的第 个可视趋向型指标的数值；其中， ， ；将各所述可视趋向型指标进行标准化处理，其表达式为： ；计算第 个待评估图像的相对值占第 个可视趋向型指标的比重 ，其表达式为： ；根据比重 ，计算第 个可视趋向型指标的熵值 ，其表达式为： ；其中， 表示自然对数函数，满足 ，则 ；根据第 个可视趋向型指标的熵值 ，计算第 个可视趋向型指标的信息熵冗余度 ，其表达式为： ；根据第 个可视趋向型指标的信息熵冗余度 ，计算第 个可视趋向型指标的权重 ，其表达式为： ；对每个可视趋向型指标进行权重计算，得到各可视趋向型指标的权重；根据样本集合中各个样本中各可视趋向型指标的相对值，获取最优距离和最劣距离；其中，定义最大值，其表达式为： ；定义最小值，其表达式为： ；计算第 个样本与最大值的距离 ，其表达式为： ；计算第 个样本与最小值的距离 ，其表达式为： ；其中， 表示各指标的权重；计算第 个样本的质量评分 ，其表达式为： ；将各个样本的质量评分归一化处理，得到待评估图像的质量评分 ，其表达式为： ； 越大，评估对象越接近最优值，图像的质量越好。 6.根据权利要求5所述的多维特征融合ISAR质量评估方法，其特征在于，通过局部方差法计算所述待评估图像的数值型指标中的信噪比，包括：将待评估图像转换为灰度图像；确定所述灰度图像的行数和列数，并将所述灰度图像分割成8×8的若干个像素块，存储至二维单元数组；从所述二维单元数组中提取各个所述像素块，并计算各个所述像素块的信噪比。 7.根据权利要求5所述的多维特征融合ISAR质量评估方法，其特征在于，所述按照点目标质量评估标准，对所述待评估图像进行质量评估，包括：预设距离向的采样区间和采样倍数、以及方位向的采样区间和采样倍数，通过计算所述待评估图像的方位向峰值旁瓣比、距离向峰值旁瓣比、方位向积分旁瓣比、距离向积分旁瓣比、方位向分辨率和距离向分辨率，对所述待评估图像进行质量评估。 8.根据权利要求5所述的多维特征融合ISAR质量评估方法，其特征在于，所述基于图像边缘特征的对比度的获取过程包括：将所述待评估图像转化为灰度图像；将转化后的灰度图像使用高斯滤波处理，得到高斯滤波后的图像 ；将高斯滤波后的图像 利用Sobel算子进行边缘检测；预设水平方向的Sobel算子表示为： ；预设垂直方向的Sobel算子表示为： ；将 与高斯滤波后的图像 进行卷积操作，得到水平方向的边缘强度 ，其表达式为： ；其中， 表示高斯滤波后的图像与 的卷积操作；将 与高斯滤波后的图像 进行卷积操作，得到垂直方向的边缘强度 ，其表达式为： ；其中， 表示高斯滤波后的图像和 的卷积操作；根据 和 ，计算所述待评估图像的边缘强度 ，其表达式为： ；其中， 表示平方根函数；根据所述待评估图像的边缘强度 ，得到基于图像边缘特征的对比度 ，其表达式为： ；其中， 表示标准差。 9.根据权利要求5所述的多维特征融合ISAR质量评估方法，其特征在于，所述基于人眼视觉的图像质量的获取过程包括：对所述待评估图像进行小波分解，其表达式为： ；其中， 表示小波分解的系数， 表示进行小波分解的函数， 表示所述待评估图像，4表示小波级数， 表示小波基函数；构造 近似曲线，其表达式为： ；其中， 表示频率范围， 表示近似曲线， 表示余弦函数， 表示圆周率；根据 近似曲线的非线性带通特性，对小波分解后不同空间频带的小波系数进行加权，其表达式为： ；其中， 表示每一个低频信号的权值， 表示长度的计算函数， 表示均值， 表示第 个小波分解；其中， ；其中， 表示第 个加权的小波值， 表示每一个低频信号的权值， 表示第 个小波分解的系数；计算小波加权的累加和，其表达式为： ；根据所述小波加权的累加和，获取所述基于人眼视觉的图像质量 ，其表达式为： ；其中， 表示所有的小波加权值， 表示小波加权的累加和， 表示对数函数。