[發(fā)明專利]基于張量空間的無參考高動(dòng)態(tài)范圍圖像客觀質(zhì)量評(píng)價(jià)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710549128.7
• 申請(qǐng)日: 2017-07-07
• 公開（公告）號(hào): CN107464222B
• 公開（公告）日: 2019-08-20
• 發(fā)明（設(shè)計(jì)）人: 蔣剛毅;管非凡;郁梅;彭宗舉;陳芬
• 申請(qǐng)（專利權(quán)）人: 寧波大學(xué)
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00;G06T7/11;G06K9/46
• 代理公司: 寧波奧圣專利代理事務(wù)所(普通合伙) 33226
• 代理人: 周玨

本發(fā)明公開了一種基于張量空間的無參考高動(dòng)態(tài)范圍圖像客觀質(zhì)量評(píng)價(jià)方法，其從圖像數(shù)據(jù)本身出發(fā)，用三階張量表示彩色的高動(dòng)態(tài)范圍圖像，然后通過張量分解中的Tucker分解算法，對(duì)失真高動(dòng)態(tài)范圍圖像進(jìn)行張量分解，從而得到三個(gè)特征圖像，即第一特征圖像、第二特征圖像和第三特征圖像，三個(gè)特征圖像中融合了高動(dòng)態(tài)范圍圖像的顏色信息，接著提取第一特征圖像的流形結(jié)構(gòu)特征和第二、三特征圖像的感知細(xì)節(jié)對(duì)比度特征，再利用機(jī)器學(xué)習(xí)中的支持向量回歸的方法計(jì)算失真高動(dòng)態(tài)范圍圖像的客觀質(zhì)量評(píng)價(jià)值，從而實(shí)現(xiàn)了無參考的彩色高動(dòng)態(tài)范圍圖像的質(zhì)量客觀評(píng)價(jià)，評(píng)價(jià)效果明顯提高，從而有效地提高客觀評(píng)價(jià)結(jié)果與主觀感知之間的相關(guān)性。

技術(shù)領(lǐng)域

本發(fā)明涉及一種圖像質(zhì)量評(píng)價(jià)方法，尤其是涉及一種基于張量空間的無參考高動(dòng)態(tài)范圍圖像客觀質(zhì)量評(píng)價(jià)方法。

背景技術(shù)

近年來，隨著光學(xué)成像技術(shù)和數(shù)字處理技術(shù)的快速發(fā)展，高動(dòng)態(tài)范圍(HighDynamic Range，HDR)圖像以其更大的亮度范圍、豐富的細(xì)節(jié)信息以及給人更好的視覺感受，吸引了越來越多的研究者的廣泛關(guān)注。

與低動(dòng)態(tài)范圍(Low Dynamic Range，LDR)圖像類似，高動(dòng)態(tài)范圍圖像在獲取、壓縮、存儲(chǔ)和傳輸時(shí)也會(huì)存在不同程度的失真，這些失真會(huì)影響高動(dòng)態(tài)范圍圖像的視覺效果，因此如何構(gòu)建有效的高動(dòng)態(tài)范圍圖像質(zhì)量評(píng)價(jià)方法具有重要價(jià)值。

主觀質(zhì)量評(píng)價(jià)方法需針對(duì)多個(gè)測(cè)試圖像進(jìn)行多次重復(fù)實(shí)驗(yàn)，耗時(shí)多、費(fèi)用高，難以操作，因此需要一種客觀質(zhì)量評(píng)價(jià)方法。依據(jù)對(duì)參考圖像的依賴程度，客觀質(zhì)量評(píng)價(jià)方法可分為全參考、半?yún)⒖己蜔o參考三類客觀質(zhì)量評(píng)價(jià)方法。典型的全參考低動(dòng)態(tài)范圍圖像客觀質(zhì)量評(píng)價(jià)方法，如基于像素誤差統(tǒng)計(jì)的均方誤差(Mean Square Error，MSE)方法，其計(jì)算簡單，但是不能很好地與人的主觀感知保持一致；王周等提出的基于結(jié)構(gòu)相似度(StructuralSimilarity，SSIM)的方法，其通過比較參考圖像與失真圖像的結(jié)構(gòu)、亮度及對(duì)比度信息來綜合評(píng)價(jià)失真圖像的質(zhì)量，取得了不錯(cuò)的效果。隨著研究的快速發(fā)展，全參考客觀質(zhì)量評(píng)價(jià)方法的準(zhǔn)確性越來越好，但是其缺點(diǎn)是需要提供無失真的參考圖像，這在實(shí)際應(yīng)用中往往很難得到。無參考客觀質(zhì)量評(píng)價(jià)方法由于不需要無失真的參考圖像的任何信息，僅根據(jù)失真圖像就可以評(píng)估失真圖像的質(zhì)量，因此已成為機(jī)器視覺和圖像處理領(lǐng)域的一個(gè)研究熱點(diǎn)。典型的無參考低動(dòng)態(tài)范圍圖像客觀質(zhì)量評(píng)價(jià)方法，如Moorthy等人提出的基于自然場(chǎng)景統(tǒng)計(jì)(Natural Scene Statistic，NSS)的方法(Distortion Identification-based ImageVerity and INtegrity Evaluation，DIIVINE)，其在低動(dòng)態(tài)范圍圖像的質(zhì)量評(píng)價(jià)上取得了不錯(cuò)的效果。

低動(dòng)態(tài)范圍圖像客觀質(zhì)量評(píng)價(jià)方法通常用于亮度值在0.1～100cd/m²范圍內(nèi)的伽馬編碼的圖像，而高動(dòng)態(tài)范圍圖像具有更高的亮度范圍，因此，不能直接將上述的低動(dòng)態(tài)范圍圖像客觀質(zhì)量評(píng)價(jià)方法直接應(yīng)用于評(píng)價(jià)高動(dòng)態(tài)范圍圖像的質(zhì)量。

對(duì)于高動(dòng)態(tài)范圍圖像的質(zhì)量評(píng)價(jià)，目前代表性的方法是Mantiuk等提出的視覺差異預(yù)測(cè)方法HDR-VDP-2及其權(quán)重修正的HDR-VDP-2.2算法，這兩種方法為全參考高動(dòng)態(tài)范圍圖像客觀質(zhì)量評(píng)價(jià)方法，其較好地模擬了人類視覺系統(tǒng)對(duì)高動(dòng)態(tài)范圍圖像的高亮度范圍的感知，因此這兩種方法得到了廣泛地應(yīng)用。但是，由于這兩種方法只考慮了高動(dòng)態(tài)范圍圖像的高亮度范圍特征，而忽略了顏色特征，因此這兩種方法存在一定的局限性。學(xué)術(shù)界對(duì)于高動(dòng)態(tài)范圍圖像的質(zhì)量評(píng)價(jià)研究較少，目前仍缺乏有效的無參考高動(dòng)態(tài)范圍圖像客觀質(zhì)量評(píng)價(jià)方法，但在實(shí)際應(yīng)用中，無參考高動(dòng)態(tài)范圍圖像客觀質(zhì)量評(píng)價(jià)方法是最現(xiàn)實(shí)的選擇，因此，無參考高動(dòng)態(tài)范圍圖像客觀質(zhì)量評(píng)價(jià)方法是一個(gè)迫切需要解決的問題。