第[41]。這種評價指標一般分為兩類：一類是沒有參考標準，完全依據(jù)測試人員的經(jīng)驗，對圖像質(zhì)量的好壞進行評價，比如“很好”“較好”“一般”“較差”“很差”等這些評價；第二類是相對評價，也就是這類方法是有參考標準的，一般是同一組待評價的圖像，比如“一組中最好”“一組中最差”“一組中平均水平”等評價。從上面可以看出，這種方法很主觀，與測試人員的心情、疲勞程度、視覺偏好等多種因素有關(guān)。1.1.2客觀評價指標而客觀評價是通過數(shù)學(xué)手段得到圖像質(zhì)量的評價。與其他圖像處理算法相比，圖像去霧測評有其特殊性：通常情況下，并不能得到同一場景的清晰無霧圖像，所以只能把原本的帶霧圖像與經(jīng)算法處理后的圖像進行比較，或者是將多種去霧算法比較，分析優(yōu)劣。而對于客觀的去霧圖像的質(zhì)量評測，研究人員并沒有統(tǒng)一的共識。為了定量的分析去霧圖像的質(zhì)量，本文選擇峰值信噪比、結(jié)構(gòu)相似性這兩個參數(shù)，來分析暗通道去霧算法改進前后的圖像質(zhì)量。（1）峰值信噪比（PSNR）峰值信噪比（Peaksignal-to-noiseratio）常用于評價圖像壓縮后的信號重建質(zhì)量，PSNR的值越大，表明圖像失真程度越低，其表達式如式（1.1）所示。不過許多實驗結(jié)果表示，PSNR值的大小與人眼的判斷并非完全一致，有可能PSNR值大的圖像看起來反而比PSNR值小的效果差，這是因為人眼對于誤差的敏感度不是絕對的，會受到多種因素的影響。圖像信息熵表征了圖像灰度分布的聚集特性，反映了圖像中平均信息量的多少。圖像的信息熵越大，圖像信息量越大，細節(jié)更加細致。一幅8bit的灰度圖像的信息熵的表達式為：PSNR=10MSE=（1.1）其中，MSE代表兩幅圖像的均方誤差；MAXI表示圖像點顏色的最大數(shù)值，如果采樣點有B位，那么MAX（2）結(jié)構(gòu)相似性（SSIM）結(jié)構(gòu)相似性是一種衡量兩幅圖像相似度的指標，它從圖像組成的角度將結(jié)構(gòu)信息定義為獨立于亮度、對比度、反映物體結(jié)構(gòu)的屬性，從這三方面比較兩幅圖像的相似性。SSIM值越大表示兩幅圖像的差距越小，圖像質(zhì)量越好。對于兩幅待比較的圖像x,y，結(jié)構(gòu)相似性的表達式為：SSIMc1=（1.2）其中，μxμy分別代表圖像x,y的均值；σx2和σy2代表圖像x,y的方差；σ1.2實驗及結(jié)果分析1.2.1主觀視覺評價選取了三種場景下的圖像，從主觀上對復(fù)原前后的圖像進行評價，如圖1.1所示。（a）有霧圖（b）暗通道去霧圖（c）改進暗通道去霧圖圖1.1去霧效果對比圖圖1.1中改進前的暗通道去霧圖中天空區(qū)域出現(xiàn)了很大的色差，呈現(xiàn)藍綠色的失真現(xiàn)象，不僅沒有使圖像更清晰，反而放大了圖像噪聲。對比改進后的暗通道去霧圖像，天空區(qū)域的失真得到緩解，圖像的色彩更加真實，有效的提升了圖像的視覺效果。1.2.2客觀評價結(jié)合上一節(jié)的評價指標，對圖1.1中的三幅場景圖從峰值信噪比和結(jié)構(gòu)相似性進行評價，其度量結(jié)果如表1.1所示。表1.1暗通道算法改進前后的量化指標表去霧算法PSNRSSIM場景一原算法11.85150.7493續(xù)表1.1去霧算法PSNRSSIM改進算法11.32190.8220場景二原算法10.81770.8588改進算法16.20160.9408場景三原算法13.09780.7001改進算法19.97350.8666從表1.1看出，在場景三中，本文算法得到的PSNR值比原算法得到的值大6.87，說明利用本文提出的改進算法得到的去霧效果比原算法的效果好，圖像誤差更??；本文算法得到的SSIM值比原算法得到的值大0.16，說明改進算法得到的復(fù)原圖像與原圖的結(jié)構(gòu)相似度更高，圖像質(zhì)量更好。綜上分析，無論是從PSNR值還