[发明专利]一种同时对于动态场景和静态场景的多曝光融合图像的质量评价方法

说明书

本发明涉及一种同时对于动态场景和静态场景的多曝光融合图像的质量评价方法，其特征在于，首先，基于多曝光融合图像与源曝光级序列图像的结构差异性使用超像素分割法将融合图像划分为信息量较大和信息量较小区域；其次，基于拉普拉斯金字塔分别计算信息量较大和信息量较小区域的质量图；再次，采用基于信息论的自适应性加权策略计算信息量较大和信息量较小区域局部质量分数，然后平均所得的变动较大和变动较小区域的局部质量分数得到融合图像的质量分数。实验结果表明，该方法对动态场景和静态场景的多曝光融合图像的视觉质量评价都展现出良好的预测性能。

技术领域

本发明涉及一种同时对于动态场景和静态场景的多曝光融合图像的质量评价方法，属于多媒体技术领域，具体属于数字图像和数字视频处理技术领域。

背景技术

随着数字媒体的爆炸式增长，人们对于高质量图像的需求也在不断增长，然而，普通传感器和显示器能捕捉到的亮度动态范围的是有限的，很难重现真实世界中的所有动态范围的细节。高动态范围图像合成技术和多曝光融合技术可以克服这个缺陷，高动态范围图像合成技术是通过转换相机响应函数将一系列在相同的场景拍摄不同的曝光级别的图像序列融合成一张高动态范围图像，为了能在普通显示器上显示图像，随后借助色调映射技术将高动态范围图像压缩成低动态范围图像。而多曝光融合技术直接将一系列不同曝光级别的图像序列融合成一张信息丰富的低动态范围图像。

然而，高动态范围图像合成技术和多曝光融合技术都需要输入对齐的不同曝光级别的图像序列，也就是拍摄场景中不能包含移动的物体或相机、手的抖动，获得的源曝光级序列中不能包含动态信息，不同曝光级别图像间小小的位移都会导致最终融合的图像中产生鬼影。最近几年，越来越多人研究如何检测和抑制鬼影。然而，不同的高动态范围图像合成技术和多曝光融合技术会影响融合图像结构、对比度和颜色等方面，并且产生的融合图像拥有不同的感知质量。因此，设计一个质量评价方法同时评估动态场景和静态场景的多曝光融合图像是非常有必要的。现存只有几个评估静态场景的多曝光融合图像的客观质量评估方法和少量评估动态场景的多曝光融合图像的客观质量评估方法，这些方法都不能同时评估动态场景和静态场景的多曝光融合图像。就本发明所知的，目前没有提出任何同时针对动态场景和静态场景的多曝光融合图像的客观质量评价算法。因此，填补同时针对动态场景和静态场景的多曝光融合图像质量评价的空白，本发明旨在设计针对同时针对动态场景和静态场景的多曝光融合图像的客观质量算法，有效的实现同时针对动态场景和静态场景的多曝光融合图像客观质量的自动预测。

发明内容

本发明涉及一种同时对于动态场景和静态场景的多曝光融合图像的质量评价方法，其特征在于，首先，基于多曝光融合图像与源曝光级序列图像的结构差异性使用超像素分割法将融合图像划分为信息量较大和信息量较小区域；其次，基于拉普拉斯金字塔分别计算信息量较大和信息量较小区域的质量图；再次，采用基于信息论的自适应性加权策略计算信息量较大和信息量较小区域局部质量分数，然后平均所得的变动较大和变动较小区域的局部质量分数得到融合图像的质量分数。实验结果表明，该方法对动态场景和静态场景的多曝光融合图像的视觉质量评价都展现出良好的预测性能。

一种同时对于动态场景和静态场景的多曝光融合图像的质量评价方法，其特征在于，包括以下几个步骤：

A.计算多曝光融合图像与源曝光级序列图像的结构差异性，同时，对多曝光融合图像进行超像素分割，计算每个超像素块中的平均差异值，并根据所得的差异值将超像素块二值化，由此获得将融合图像划分为信息量较大和信息量较小区域的二值图；

B.将融合图像进行拉普拉斯金字塔分解，对于信息量较大区域，计算融合图像与源曝光级序列图像的结构相似性和对比度保真度，结合结构相似性和对比度保真度获得信息量较大区域的质量图；

C.对于信息量较小区域，分别计算融合图像与源曝光级序列图像的纹理相似性和对比度保真度，结合纹理相似性和对比度保真的获得信息量较小区域的质量图；