一种色调映射图像质量评价方法技术

本发明专利技术公开了一种色调映射图像质量评价方法，其在训练阶段，考虑了亮区域特征和暗区域特征对色调映射的影响，提取出色调映射图像的亮暗区域特征矢量，同时提取出色调映射图像的区域对比度特征矢量，再构成全局特征矢量，然后利用支持向量回归对训练图像集中的所有色调映射图像的全局特征矢量进行训练，构造质量预测模型；在测试阶段，通过计算用作测试的色调映射图像的全局特征矢量，并根据训练阶段构造的质量预测模型，预测得到该色调映射图像的客观质量预测值，由于获得的全局特征矢量信息具有较强的稳定性，且能够较好地反映色调映射图像的质量变化情况，因此有效地提高了客观评价结果与主观感知之间的相关性。

A quality evaluation method of tone mapping image

【技术实现步骤摘要】
一种色调映射图像质量评价方法
本专利技术涉及一种图像质量评价方法，尤其是涉及一种色调映射图像质量评价方法。
技术介绍
随着显示技术的快速发展，高动态范围(HDR)图像已越来越受到关注。高动态范围图像的层次丰富，可以达到远比普通图像更逼近现实的光影效果。然而，传统的显示设备只能支持低动态范围的显示输出。为了解决真实场景和传统的显示设备的动态范围不匹配的矛盾，目前提出了许多高动态范围图像的色调映射(ToneMapping)算法。高动态范围图像的色调映射算法的目标是将高动态范围图像的亮度压缩到传统的显示设备可以接受的范围，同时尽可能保留原图的细节信息，并避免造成图像瑕疵。因此，如何准确、客观地评价不同色调映射方法的性能，对指导内容制作和后期处理具有十分重要的作用。而对于色调映射图像质量评价而言，如果直接将现有的图像质量评价方法应用于色调映射图像，则由于色调映射图像只有高动态范围图像作为参考，因此会导致无法精确预测得到客观评价值。因此，如何在评价过程中有效地提取出视觉特征，使得客观评价结果更加感觉符合人类视觉系统，是在对色调映射图像进行客观质量本文档来自技高网...

【技术保护点】
1.一种色调映射图像质量评价方法，其特征在于包括训练阶段和测试阶段两个过程；/n所述的训练阶段过程的具体步骤为：/n①_1、选取N幅宽度为W且高度为H的色调映射图像构成训练图像集，将训练图像集中的第k幅色调映射图像记为

【技术特征摘要】
1.一种色调映射图像质量评价方法，其特征在于包括训练阶段和测试阶段两个过程；
所述的训练阶段过程的具体步骤为：
①_1、选取N幅宽度为W且高度为H的色调映射图像构成训练图像集，将训练图像集中的第k幅色调映射图像记为其中，N为正整数，N＞1，k为正整数，k的初始值为1，1≤k≤N；
①_2、对训练图像集中的每幅色调映射图像进行区域划分，分成亮区域、暗区域和正常区域，将的亮区域、暗区域和正常区域对应记为和
①_3、根据训练图像集中的每幅色调映射图像的亮区域和暗区域，计算训练图像集中的每幅色调映射图像的亮暗区域特征矢量，将的亮暗区域特征矢量记为并根据训练图像集中的每幅色调映射图像的亮区域、暗区域和正常区域，计算训练图像集中的每幅色调映射图像的区域对比度特征矢量，将的区域对比度特征矢量记为其中，的维数为3×1，的维数为8×1；
①_4、将训练图像集中的每幅色调映射图像的亮暗区域特征矢量和区域对比度特征矢量构成全局特征矢量，将的全局特征矢量记为Fk，其中，Fk的维数为11×1，符号“[]”为矢量表示符号，表示将和连接起来形成一个矢量；
①_5、将训练图像集中的所有色调映射图像的全局特征矢量和平均主观评分差值构成训练样本数据集合，训练样本数据集合中包含N个全局特征矢量和N个平均主观评分差值；然后采用支持向量回归作为机器学习的方法，对训练样本数据集合中的所有全局特征矢量进行训练，使得经过训练得到的回归函数值与平均主观评分差值之间的误差最小，拟合得到最优的权重矢量和最优的偏置项接着利用最优的权重矢量和最优的偏置项构造质量预测模型，记为其中，为函数表示形式，F用于表示色调映射图像的全局特征矢量，且作为质量预测模型的输入矢量，为的转置，为F的线性函数；
所述的测试阶段过程的具体步骤为：
②对于任意一幅用作测试的色调映射图像Itest，按照步骤①_2至步骤①_4相同的操作，获取Itest的全局特征矢量，记为Ftest；然后根据训练阶段构造的质量预测模型对Ftest进行测试，预测得到Ftest对应的预测值，将该预测值作为Itest的客观质量预测值，记为Qtest，其中，Itest的宽度为W'且高度为H'，Ftest的维数为11×1，表示Ftest的线性函数。


2.根据权利要求1所述的一种色调映射图像质量评价方法，其特征在于所述的步骤①_2中的和的获取过程为：
①_2a、将在RGB颜色空间的R分量、G分量、B分量对应记为然后计算的暗通道图像，记为将中坐标位置为(x,y)的像素点的像素值记为其中，1≤x≤W，1≤y≤H，min()为取最小值函数，Cx,y表示以坐标位置为(x,y)的像素点为中心的3×3邻域范围内的所有像素点的坐标位置构成的集合，(x1,y1)为Cx,y中的任意一个坐标位置，表示中坐标位置为(x1,y1)的像素点的像素值，表示中坐标位置为(x1,y1)的像素点的像素值，表示中坐标位置为(x1,y1)的像素点的像素值；
①_2b、计算的灰度直方图分布，记为{hk(j)|1≤j≤256}；然后将{hk(j)|1≤j≤256}中所有直方图值不为零的节点中坐标最小的节点坐标记为Xmin，将{hk(j)|1≤j≤256}中所有直方图值不为零的节点中坐标最大的节点坐标记为Xmax，将中像素值属于[Xmin,Xmid]范围内的所有像素点的像素值构成的集合记为Ω1，将中像素值属于(Xmid,Xmax]范围内的所有像素点的像素值构成的集合记为Ω2；其中，j为正整数，1≤j≤256，hk(j)表示{hk(j)|1≤j≤256}中坐标为j的节点的直方图值，符号为向下取整操作符号；
①_2c、通过最大化Ω1的类间方差，获得第一阈值，记为X1*，并通过最大化Ω2的类间方差，获得第二阈值，记为X2*，其中，表示求取使得的值最大时的X1的值，X1为Ω1中的任意一个像素值，Pf(X1)表示Ω1中属于[Xmin,X1)范围内的所有像素值的概率密度函数，μf(X1)表示Ω1中属于[Xmin,X1)范围内的所有像素值的均值，σf(X1)表示Ω1中属于[Xmin,X1)范围内的所有像素值的标准差，μb(X1)表示Ω1中属于[X1,Xmid]范围内的所...

【专利技术属性】
技术研发人员：邵枫，王雪津，
申请(专利权)人：宁波大学，
类型：发明
国别省市：浙江;33