一种新型异源图像融合质量评价模型

提出了一种基于FNN的异源图像融合质量评价模型。该模型将融合图像的主观评价结论样本集作为模糊期望输出,并利用高斯隶属度函数将多种典型图像融合客观评价指标进行模糊化,作为网络输入样本。通过网络学习,生成评价指标权重与隶属度函数的相关参数,并采用动量因子提高了网络的学习效率。实验结果表明,采用该方法进行异源图像融合质量评价,评价结论符合人眼的观察特性,主、客观评价结论具有较好的一致率,为融合图像自动化评价的实现提供了有效的途径。