[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

摘要

本发明涉及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，使用场景映射算法生成匹配图像作为新的参考图像；步骤S2使用对比度相似度评估方法对目标图像进行评估获得对比度相似度评估结果CS；步骤S3使用基于平均值的像素差值评估方法对目标图像进行评估获得差值评估结果DV1；步骤S4使用融合最大差值的像素差值评估方法对目标图像进行评估获得差值评估结果DV2；步骤S5使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。该方法可有效对图像间颜色一致性进行评估，与用户主观评分之间具有较好的相关性与准确性，可应用于图像拼接和三维图像左右视图颜色一致性评估领域。

主权项

一种与主观感知相一致的颜色校正客观评估方法，其特征在于包括以下步骤：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；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：c(x,y)=2σxσy+c1σx2+σy2+c1,]]>其中c1为可调节权重参数，用以解决σx2+σy2接近于0时的稳定性问题；x，y分别表示两幅图像中像素数为N1的对称高斯窗口内的像素集,其中N1＝121；σx和σy分别表示高斯窗口内像素集x，y的高斯加权标准差，定义为：σx=(Σi=1Nwi(xi-μx)2)12,]]>σy=(Σj=1Nwj(yj-μy)2)12,]]>其中xi，yj分别为匹配图像和目标图像中第i个和第j个像素的值，wi，wj分别为两幅图像中高斯窗口内像素i和像素j的高斯数值，并分别作为高斯窗口内像素集x，y的平均值μx，μy和标准差σx，σy计算的权重，μx，μy分别表示高斯窗口内像素集x，y的高斯加权平均值，计算公式为μx=Σi=1Nwixi,]]>μy=Σj=1Nwjyj;]]>步骤S22：采用对比度相似度评估公式分别对CMYK颜色空间下每个颜色通道进行评估得到4幅对比度相似度评估分量图，分别记为D1，D2，D3，D4:步骤S23：求出每幅评估分量图D1，D2，D3，D4分别对应的加权平均评估分量值e1，e2，e3，e4，计算公式为：e1=ΣipΣjq[m(i,j)×D1(i,j)]ΣipΣjqm(i,j),]]>e2=ΣipΣjq[m(i,j)×D2(i,j)]ΣipΣjqm(i,j),]]>e3=ΣipΣjq[m(i,j)×D3(i,j)]ΣipΣjqm(i,j),]]>e4=ΣipΣjq[m(i,j)×D4(i,j)]ΣipΣjqm(i,j),]]>其中p，q分别表示目标图像的行数和列数，i，j分别表示当前行和列，m表示权重图像，定义为：m(i,j)＝MC(i,j)×MS(i,j)，其中MC和MS分别表示匹配图像使用SSIM算法求出的置信度图和目标图像使用GBVS算法求出的显著性图；步骤S24：对4个加权平均评估分量值e1，e2，e3，e4求算术平均值并作为对比度相似度评估得分值CS，CS的取值范围为0‑1；所述步骤S3采用基于平均值的像素差值评估方法对目标图像进行评估，具体包括以下步骤：步骤S31：采用基于平均值的差值计算公式对目标图像进行差值评估，计算公式为：d(x,y)=1c2*(μx-μy)2+1,]]>其中c2为可调节权重参数，x，y分别表示匹配图像和目标图像中像素数为N2的对称高斯窗口内的像素集，其中N2＝121，μx，μy分别表示高斯窗口内像素集x和y的高斯加权平均值；步骤S32：采用基于平均值的差值计算公式分别对CMYK颜色空间下每个颜色通道进行评估得到4幅差值评估分量图，记为D5，D6，D7,D8；步骤S33：求出每幅评估分量图D5，D6，D7，D8分别对应的加权平均评估分量值e5，e6，e7，e8，计算公式为：e5=ΣipΣjq[m(i,j)×D5(i,j)]ΣipΣjqm(i,j),]]>e6=ΣipΣjq[m(i,j)×D6(i,j)]ΣipΣjqm(i,j),]]>e7=ΣipΣjq[m(i,j)×D7(i,j)]ΣipΣjqm(i,j),]]>e8=ΣipΣjq[m(i,j)×D8(i,j)]ΣipΣjqm(i,j);]]>步骤S34：对4个加权平均评估分量值e5，e6，e7，e8求算术平均值并作为差值评估得分值DV1，DV1的取值范围为0‑1；所述步骤S4采用融合最大差值的像素差值评估方法对目标图像进行评估，具体包括以下步骤：步骤S41：对目标图像进行融合最大差值的像素差值评估，计算公式为：dP(X,Y)=1-|X-Y|*[Σi=1kfmax(i,|X-Y|)-Σi=1kfmin(i,|X-Y|)]k,]]>其中X，Y分别表示两幅图像，|X‑Y|表示将两幅图像求差后取绝对值得到的绝对差值图像，p、q分别表示目标图像的行数和列数，fmax(i，|X‑Y|)表示绝对差值图像中第i大的像素值，fmin(i，|X‑Y|)表示绝对差值图像第i小的像素值，k表示需考虑的像素差值的个数，定义为：k＝max(10，0.00001*p*q)；步骤S42：采用融合最大差值的像素差值评估公式分别对HSV颜色空间下每个颜色通道进行评估得到3幅差值评估分量图，记为D9，D10，D11；步骤S43：求出每幅评估分量图D9，D10，D11分别对应的加权平均评估分量值e9，e10，e11，计算公式为：e9=ΣipΣjq[m(i,j)×D9(i,j)]ΣipΣjqm(i,j),]]>e10=ΣipΣjq[m(i,j)×D10(i,j)]ΣipΣjqm(i,j),]]>e11=ΣipΣjq[m(i,j)×D11(i,j)]ΣipΣjqm(i,j);]]>步骤S44：对3个加权平均评估分量值e9，e10，e11求算术平均值并作为差值评估得分值DV2，DV2的取值范围为0‑1；所述步骤S5中采用线性融合模型对评估结果CS、DV1和DV2进行融合，融合后的客观评估得分值V的取值范围为0‑1；其中线性融合模型的定义为：V＝α*CS+β*DV1+γ*DV2，其中α，β，γ分别用以调节对比度相似度评估、基于平均值的像素差值评估和融合最大差值的像素差值评估在客观评估得分值V中所占的权重大小，满足条件：α≥0，β≥0，γ≥0，α+β+γ＝1。