[发明专利]一种色调映射图像质量评价方法

说明书

本发明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。

技术领域

本发明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。

背景技术

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(Tone Mapping)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评价过程中需要研究解决的问题。

发明内容

本发明所要解决的技术问题是提供一种色调映射图像质量评价方法，其能够有效地提高客观评价结果与主观感知之间的相关性。

本发明解决上述技术问题所采用的技术方案为：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F_k，其中，F_k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：