[发明专利]基于多特征融合的全参考高动态图像质量评价方法

权利要求书

1.一种基于多特征融合的全参考高动态图像质量评价方法，其特征在于，操作步骤如下：

(1)颜色特征计算：

通过将失真的高动态图像转换到YIQ颜色域并单独提取出I和Q通道的图像，结合从原始图像提取出的I通道和Q通道的图像，运用计算相似度的方法计算出原始图像与失真图像在I通道上的相似度和Q通道上的相似度作为颜色特征；

(2)视觉对比差异特征计算：

采用视觉差异预测方法模拟人眼对于高动态图像的视觉特性，先模拟光在人眼内部的散射过程，再通过多尺度分解来模拟视觉皮质中人眼对光照的不同空间频率和方向的选择过程，用对比度敏感函数来模拟独立噪声，最后使用对比度掩蔽函数来模拟依赖于信号的非独立噪声，模拟出人眼在某一频率和方向上可感知到的参考图像与失真图像的差异，综合后转换为视觉对比差异特征；

(3)多尺度综合特征计算：

针对高动态图像使用高动态视频评价方法，先使用视觉上均匀量化编码来拟合出人眼实际接受到的亮度值，使用log-Gabor滤波器在不同频率尺度和方向上提取特征，综合多个尺度和方向转化为多尺度综合特征；

(4)训练模型并测试：

将上述步骤提取的各方向特征值及图像数据库中提供的相应主观质量分数构成数据集，使用数据集中的训练数据训练支持向量回归器；测试时，将数据集中的测试数据的特征值输入训练好的支持向量回归器，得到预测的图像客观质量分数，与数据库中的实际主观分数相比较验证预测准确度。

2.根据权利要求1所述的一种基于多特征融合的全参考高动态图像质量评价方法，其特征在于，所述步骤(1)中颜色相似度特征S_I和S_Q提取，包括如下具体操作步骤：

将高动态图像由RGB颜色空间领域转换到YIQ颜色空间领域，公式如下所示：

其中，R，G，B分别表示RGB颜色空间的红，绿，蓝三个颜色通道；Y，I，Q分别表示YIQ颜色空间的亮度通道，橙色到青色的颜色通道和紫色到黄绿的颜色通道；

分别对I和Q通道求颜色相似度；色度特征的相似度分别用S_I，S_Q表示，分别由式确定：

其中，I_x和I_y分别表示参考图像和失真图像的I通道值，Q_x和Q_y分别表示参考图像和失真图像的Q通道值，C₁和C₂是预防出现不稳定的极小正常数，在此取两者相等。

3.根据权利要求1所述的一种基于多特征融合的全参考高动态图像质量评价方法，其特征在于，所述步骤(3)中多尺度综合特征E提取，包括如下操作步骤：

假设图片I的大小为M×N，I(i，j)代表图像第(i,j)个空域位置的亮度值，i∈{1，2，...M}，j∈{1，2，...N}，对每个像素点的亮度值进行视觉上均匀量化处理，即PU量化处理，可以将像素的亮度值转换成近似人眼实际接受的亮度值；

完成PU量化理过程后，使用log-Gabor滤波器在不同频率尺度和方向上提取特征；在极坐标下，频域的log-Gabor滤波器函数为：

式中：s是尺度指数，o是方向指数，f_s为归一化中心频率，θ_o为滤波器的中心方向σ_s用于确定径向带宽：

σ_o用于确定方向带宽：

利用上述滤波器对经过预处理后的原图像和失真图像进行滤波，对应得到不同尺度与方向上的原图像与失真图像对于尺度为s,方向为o的单一子带，特征值如下所示：

其中k是预防出现不稳定的极小正常数，N_s为尺度总个数，N_o为方向总个数；

综合多个尺度和方向得到的综合特征值如下所示：

其中N_s为尺度总个数，N_o为方向总个数。

4.根据权利要求1所述的一种基于多特征融合的全参考高动态图像质量评价方法，其特征在于，所述步骤(4)中训练模型并测试，包括如下操作步骤：

选择epsilon-SVR进行回归，同时选择RBF函数作为核函数，将数据集中80％的数据作为训练数据用于训练支持向量回归器，其余20％的数据作为测试数据用于进行测试，训练数据和测试数据在内容上的不重叠；

将测试数据中每张高动态图像的特征值输入训练好的支持向量回归器，输出预测的图像客观质量分数。