[發(fā)明專利]一種基于飽和度的彩色多曝光融合圖像的質量評價方法

在審

• 申請?zhí)枺?/td>: 201710052878.3
• 申請日: 2017-01-24
• 公開（公告）號: CN106886992A
• 公開（公告）日: 2017-06-23
• 發(fā)明（設計）人: 趙保軍;李震;王水根;韓煜祺;鄧宸偉
• 申請（專利權）人: 北京理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N99/00
• 代理公司: 北京理工大學專利中心11120
• 代理人: 付雷杰,仇蕾安

技術領域

本發(fā)明屬于圖像質量評價方法領域，具體涉及一種基于飽和度的彩色多曝光融合圖像的質量評價方法。

背景技術

當前普通的顯示設備可以顯示的亮度范圍遠遠小于真實場景和人眼所能感知的亮度范圍，所以不可能在普通設備上顯示人眼觀察到的真實場景。而高動態(tài)范圍(High Dynamic Range,HDR)圖像顯示技術可以實現(xiàn)將真實場景的亮暗信息盡可能多的在普通設備上顯示出來，并且盡可能符合人眼真實的感知效果。隨著高清數(shù)字產(chǎn)業(yè)的快速發(fā)展，HDR顯示技術已經(jīng)成為當前數(shù)字領域的研究熱點之一。多曝光圖像融合技術就是一種簡便的HDR顯示技術，它可以由多幅不同曝光度的圖像序列直接融合成一幅能在普通顯示設備上顯示的圖像。隨著多曝光融合技術的發(fā)展，越來越多的融合算法被提出，然而不同的融合算法，融合效果不同。為了評價不同的融合算法的優(yōu)劣，急需一種能夠評價多曝光融合效果的評價算法。

現(xiàn)在面向融合圖像的質量評價算法主要分四類：1)基于圖像信息的方法，這類方法主要利用融合前后圖像的互信息來評價融合后圖像的質量，這類方法只考慮了圖像的整體信息量，忽略了單個像素以及局部的圖像結構等信息；2)基于圖像特征的方法，這類方法主要利用空域邊緣特征和小波域中邊緣特征來對融合圖像進行質量評價，這類方法忽略了圖像的紋理信息和人眼感知特性；3)基于結構相似的方法，這類方法的靈感源于SSIM算法，該方法計算融合前圖像與融合后圖像的結構相似度，與人眼視覺相近，但是現(xiàn)在多數(shù)的基于結構相似度的評價算法都是基于灰度圖像進行評價的，忽略了圖像的彩色信息，現(xiàn)實多曝光的融合圖像都是彩色圖像，融合后彩色信息有所變化，所以已有評價算法并不適用于彩色圖像；4)基于人眼感知的方法，這類方法主要利用圖像的顯著信息來對圖像進行評價，但往往忽略了圖像的背景信息，造成了信息的丟失。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提供了一種基于飽和度的彩色多曝光融合圖像的質量評價方法，提高了彩色多曝光融合圖像評價準確度。

實施本方案的具體方法為：

步驟一、以多曝光圖像融合數(shù)據(jù)庫MEF中的多曝光圖像及其融合圖像作為訓練樣本，對多曝光圖像和融合圖像采用基于飽和度和小波系數(shù)的提取方式，獲得紋理信息、結構信息和彩色信息；根據(jù)融合前后圖像的紋理信息、結構信息以及彩色信息，分別計算紋理相似度、結構相似度以及彩色相似度；將紋理信息相似度、結構信息相似度和彩色信息相似度作為特征值，結合給定的評價分值，輸入到極限學習機器ELM中進行訓練；

所述紋理信息的提取方式為：設待提取信息的融合后圖像或多曝光圖像中的各圖像為圖像I_Q；對圖像I_Q進行小波變換，獲得圖像I_Q分為低頻部分、中頻部分及高頻部分的小波系數(shù)集合I_q＝[LL LH HL HH]；其中，LL為低頻部分的小波系數(shù)，LH和HL為中頻部分的小波系數(shù)，LH對應水平方向相位，HL對應豎直方向相位，HH為高頻部分的小波系數(shù)；基于圖像的紋理信息多數(shù)集中在中頻及高頻部分的原理，提取圖像I_Q的中頻及高頻部分的小波系數(shù)集合I_q′＝[LH HL HH]；對于圖像I_Q為融合后圖像的情況，提取的小波系數(shù)集合I_q′即為紋理信息；對于圖像I_Q為多曝光圖像的情況，選取多曝光圖像中各圖像對應的小波系數(shù)集合I_q′并取各系數(shù)的最大值，組成Vmax＝[max|LH|,max|HL|,max|HH|]，作為多曝光圖像的紋理信息；

所述彩色信息的提取方式為：計算圖像I_Q的飽和度SA，其中，R，G，B是彩色圖像中紅、綠、藍三種色彩信息，μ是三種色彩信息的平均值；對于圖像I_Q為融合后圖像的情況，將飽和度值SA作為彩色信息；對于圖像I_Q為多曝光圖像的情況，選取多曝光圖像中各圖像對應的飽和度值SA的最大值，作為多曝光圖像的彩色信息；

步驟二、對多曝光融合圖像進行質量評價時，采用融合算法對多曝光圖像進行融合，生成待評價的融合后圖像；

步驟三、對待評價的融合后圖像以及該融合后圖像對應的融合前多曝光圖像，采用所述基于飽和度和小波系數(shù)的提取方式，分別提取紋理信息、結構信息和彩色信息；

步驟四、根據(jù)步驟三獲得的融合前后圖像的紋理信息、結構信息以及彩色信息，分別計算紋理相似度、結構相似度以及彩色相似度；