[发明专利]一种多曝光融合图像质量评价方法

说明书

本发明公开了一种多曝光融合图像质量评价方法，其从三幅原始图像的梯度图中提取出最大值梯度图，进而得到梯度特征；获取原始图像的梯度图中的像素点的结构张量，并获取多曝光融合图像的梯度图中的像素点的结构张量，通过计算结构张量之间的余弦距离得到结构特征；通过计算原始图像中的每个像素点的曝光度、对比度和饱和度，得到对应的权重图，再利用金字塔融合技术对原始图像上采样生成拉普拉斯金字塔，对权重图上采样生成高斯金字塔，得到伪参考融合图像，进而得到全局感知特征；将梯度特征、结构特征、全局感知特征构成的特征向量作为输入，结合支持向量回归技术，得到客观质量评价预测值；优点是能提高客观评价结果与主观感知的相关性。

技术领域

本发明涉及一种图像质量评价方法，尤其是涉及一种多曝光融合图像质量评价方法。

背景技术

动态范围指的是一个场景下光线强度的最大值与最小值之比。自然场景中的动态范围通常要远超普通数码相机所拍摄获取到的数码照片的动态范围，从另一方面来说，在一个高动态范围的场景下，现有的显示装置只能处理非常有限的动态范围，这导致单一的数码照片无法展示自然场景中的全部细节信息，具体表现在数码照片的亮的区域与暗的区域细节信息丢失。普通数码相机在拍摄过程中，存在过曝光与欠曝光现象，这导致出现了低动态范围的现象。在特殊的拍摄环境中，比如在天空中，由于光线环境的特殊性，因此存在高亮极暗的现象，这导致数码照片的过亮的区域与过暗的区域细节信息丢失。因此，单一的数码照片通常会丢失自然场景的部分细节信息，甚至是关键信息，从而无法满足人们对于高质量图片的需求。

近几年来，存在着两种技术途径来解决单一的数码照片无法展示自然场景下的所有细节信息的技术问题：高动态范围(High Dynamic Range，HDR)技术和多曝光图像融合(Multi-exposure image Fusion，MEF)技术。

高动态范围技术首先通过同一场景下不同曝光度的图像序列来扩充图像的动态范围，再通过色调映射的方法在单一图像中显示。由于高动态范围技术需要进行高动态范围重建与色调映射两个步骤，因此存在计算量大、耗时久的问题。

多曝光图像融合技术直接对多曝光图像序列进行融合，极大地简化了图像的生成过程。通常来说，多曝光图像融合技术首先使用数码相机在不同的曝光度下拍摄多张低动态范围图像，然后在变换域或者空间域上进行图像融合。近年来，随着深度学习以及神经网络相关研究的不断发展，也出现了许多基于深度学习的多曝光图像融合方法。多曝光图像融合技术目前在各种电子显示设备上都有着广泛的应用，其被证明能够有效地增强图像的显示效果，并且能够在普通的显示设备上显示，而不需要昂贵的高动态显示设备。

目前，有许多人提出了不同的多曝光图像融合方法，但是关于多曝光融合图像质量评价方面的研究还有所欠缺。因此，为了筛选出性能最佳的多曝光图像融合方法，多曝光融合图像质量评价就显得尤为重要。在近十年间，大量图像评价领域的研究人员开发出了许多客观质量评价模型，用来评价多曝光融合图像的质量，有的认为多曝光融合图像的质量与信息的保持程度有关，提出一种通过计算参考图像与多曝光融合图像之间的互信息的方法来评价多曝光融合图像的质量，但是该方法并没有针对多曝光融合图像的具体的特征，而是仅仅考虑了多曝光融合图像整体的信息相关性。后来人们发现多曝光融合图像的边缘区域对人眼视觉感知系统影响很大，因此提出了一些基于图像边缘信息的质量评价方法。例如，利用Sobel边缘算子提取输入图像的边缘信息，计算每幅参考图像和多曝光融合图像中边缘信息的强度和方向的保持程度，然后在原图像之间进行组合，得到最终质量分数；或是使用小波变换对图像进行了尺度分解，并且计算每个尺度下多曝光融合图像的边缘保持。此外，还有人通过计算参考图像的局部显著信息在多曝光融合图像中的表现程度开发了一种评价方法。上述这些多曝光融合图像质量评价方法的客观评价结果与主观感知的相关性还有待提高。

发明内容

本发明所要解决的技术问题是提供一种多曝光融合图像质量评价方法，其能够有效地提高客观评价结果与主观感知的相关性。