[发明专利]一种与主观感知相一致的颜色校正客观评估方法

说明书

技术领域

本发明涉及图像和视频处理以及计算机视觉领域，特别是图像质量评估中一种与主观感知相一致的颜色校正客观评估方法。

背景技术

颜色校正算法使用源图像对存在颜色差异的目标图像进行颜色校正，使目标图像的颜色特征尽可能的与源图像保持一致。确保图像间颜色的一致性在多视角图像/视频拼接和降低三维图像左右视图颜色差异导致的视觉疲劳上有重要的意义。目前已提出多种颜色校正算法，但是对颜色校正结果评估方法的研究却很少。Xu等人提出了基于颜色相似度和结构相似度的评估方法，该方法主要面向图像和视频拼接应用，但是该方法没有考虑用户的主观感知，因此不能保证客观度量结果与用户主观评估一致。

早期的图像质量评估方法设计简单，只是单纯的通过计算两幅图像灰度空间下的像素差进行评估。典型的评估方法有均方误差（MSE）和峰值信噪比（PSNR）。同时，虽然均方根误差（RMSE）和绝对误差（MAE）也属于该类评估方法，但是更多情况下我们将其作为评价评估方法准确性的一种指标参数。这些评估方法设计简单，无法与用户主观评估结果保持较好的一致性。随着对人类视觉系统（HSV）的不断了解，图像质量评估方法开始引入人类视觉系统中的某些特征进行评估，提出了基于HVS的评估方法，使评估结果更加接近于用户主观评估。

基于HVS的图像质量评估方法考虑了人类视觉系统在感知图像质量时固有的一些特征，如对结构差异较为敏感以及对不同图像区域的显著性具有差别等。典型的评估方法有SSIM评估方法，该方法假设人类视觉系统在对图像进行评估时对结构差异更为敏感。分别从亮度、对比度和结构相似度三个方面进行评估。基于SSIM评估方法，许多改进的评估方法被提出。Wang等人将SSIM的单尺度质量评估拓展为多尺度质量评估，提出MS-SSIM算法。Chen等人将SSIM算法应用到梯度图像上，提出了GSSIM算法。除了从结构上对图像进行评估外，Zhang等人通过引入相位相一致信息和梯度信息模拟人类视觉系统的特征，提出了基于特征相似性的图像质量评估方法 FSIM。为了与主观评估保持更好的一致性，Zhang等人还从视觉显著性方面对图像进行评估，提出了基于显著性图像的质量评估方法VSI，将显著性图作为评估时不同区域像素重要性的权重值，模拟图像不同区域引起人类视觉系统不同程度的注意力。Preiss等人提出了颜色差异评估方法CID，该方法综合考虑图像间的结构相似度、对比度以及像素差值等评估分量，从多个角度对图像进行评估，在图像颜色一致性评估上取得了较好的评估效果。

目前存在的全参考图像质量评估方法由于不是针对颜色校正评估问题进行设计的，因此无法直接用来对颜色校正结果进行评估。同时，全参考图像质量评估方法要求提供一幅参考图像作为评估标准，只能对与参考图像场景完全一致的另一幅目标图像进行质量评估，因此这类方法无法直接对场景相似的图像进行评估。然而在实际应用中往往无法提供场景完全一致的参考图像和目标图像，但是通常存在场景相似的参考图像和目标图像。另外，一些质量评估方法在设计时没有考虑人类视觉系统在图像质量评估中的作用，导致评估结果与用户的主观感知相差较大。

发明内容

有鉴于此，本发明的目的是提供一种与主观感知相一致的颜色校正客观评估方法,该方法在对图像质量进行评估时引入人类视觉特征，同时通过场景映射算法解决图像间场景相似的评估问题。最后通过对比度相似度和像素差值两个方面对图像间颜色差异进行评估，使评估结果与用户主观评分之间具有较好的相关性和准确性。

本发明采用以下方案实现：一种与主观感知相一致的颜色校正客观评估方法，包括以下步骤：

步骤S1：读取参考图像和目标图像，采用场景映射算法生成匹配图像作为新的参考图像；

步骤S2：采用对比度相似度评估方法对所述目标图像进行评估，获得对比度相似度评估结果CS；

步骤S3：采用基于平均值的像素差值评估方法对所述目标图像进行评估，获得差值评估结果DV1；

步骤S4：采用融合最大差值的像素差值评估方法对所述目标图像进行评估，获得差值评估结果DV2；

步骤S5：采用线性融合模型对评估结果CS、DV1和DV2进行融合，获得最终的客观评估得分值V。

进一步地，所述步骤S2采用对比度相似度评估方法对所述目标图像进行评估，具体包括以下步骤：

步骤S21：采用对比度相似度计算公式对所述目标图像进行对比度相似度评估，计算公式为：

，