基于自由能的遥感图像质量评价(2)
经济和社会发展越来越重要，但是在我国这种即时数据非常缺乏。为了方便国内用户对遥感
图像的研究，除了改善卫星的硬件条件外，对获取的遥感图像进行质量跟踪监测和评价以及
使用对应的图像处理方法也是至关重要的。近年来，人们开始意识到遥感图像处理的重要性，
但对其质量评价研究还需要系统而广泛的研究。
在遥感图像质量评价领域的发展初期，人们常常基于信号处理进行评价，常用的方法有
调制传递函数(MTF, Modulation Transfer Function)[1]、均方根误差(RMSE，Root Mean Square Error)[2]、峰值信噪比(PSNR，Peak Signal to Noise Ratio)[3]等，这些方法虽然效率较高且编码
方便，但是由于没有结合人类的视觉特性，导致算法效果与主观评价方法相差较大。近年来，
国内外的研究者们逐渐在遥感图像质量评价算法中加入人类视觉特性，如最小视觉差(JND，
Just Noticeable Difference)[4]，使评价精度有所提高，但大都具有一定的局限性，需要进一步
的提高和改善。早年美国制定了相关的国家图像解译度分级标准(NIIRS，National Imagery
Interpretability Rating Scale)[5]，美国的航空图像委员会根据 NIIRS 和遥感系统参数设置之间的
联系，采用概率统计模型研发出了通用图像质量方程 GIQE(General Image Quality Equation)
[6]，通过这个方程可以计算出图像的解译度等级。遥感图像的质量评价可分为两种：定量评价和
定性评价，两者的差别主要体现在评价结果的形式上，定量评价是以质量分数进行展现，而
定性评价则是将图像分类到某个图像等级。这两种评价方法都是遥感图像质量评价研究中常
用的方法[7]。 遥感图像质量评价的难点在于标准图像的难获取性和它的失真多样性。由于遥感图像是
由遥感器拍摄出的图像再进行编码得来，几乎没有或无法获取它的参考图像。另外，遥感图
像与自然图像不同，一幅遥感图像可能包含噪声、模糊、振铃和块效应等多种失真，造成很
难针对图像进行建模来进行准确的质量评价。而且国内外目前还没有公开的遥感图像数据库，
研究者们几乎无法进行统一的评价，以至于国际上还没有一个对遥感图像进行质量评价的定
量标准。因此，遥感图像的质量评价研究刻不容缓。 1.2 相关领域的国内外研究现状
1.2.1 图像质量评价
图像质量评价的方法主要分为主观评价和客观评价两大类[8]
。
主观质量评价是通过实验人员的主观感受来判定图像的质量。人作为图像最终的接受者，
所以主观评价是最直观最可靠的评价方法。最常用的方法是对众多实验者的主观评价结果进
行加权平均得到图像的质量分数。但这种方法主要的弊端是极其耗时和繁琐，每一幅图为了
得到准确公平的评价值，需要大量的实验者，所以主观质量评价不易实现，因此客观质量评
价算法的研究是很有必要的，而主观质量评价的结果常用来作为评定客观评价算法优劣的标
准。
客观图像质量评价是通过设计数学模型，依据模型的量化指标，模拟 HVS 评价图像质量。
相对于主观评价，客观评价具有操作简单，可塑性强，可适应性强等优点，因此受到了研究
者们的欢迎。在最初的客观质量评价中，主要是通过计算失真图像和原始图像的偏差得到质
量分数，常用峰值信噪比(PSNR)，均方误差(MSE)
[3]
等衡量标准。现今已有的客观评价方法在
精度、普适性上仍和主观评价方法存在差距，并且在效率上也仍然有可以进一步研究的空间。