[發明專利]基于多特征融合的全參考高動態圖像質量評價方法

有效

• 申請號: 202010399881.4
• 申請日: 2020-05-13
• 公開（公告）號: CN111768362B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 沈禮權;卞輝;姜明星
• 申請（專利權）人: 上海大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/90;G06T5/50;G06N3/08
• 代理公司: 上海上大專利事務所(普通合伙) 31205
• 代理人: 何文欣

本發明專利提供了一種基于多特征融合的全參考高動態圖像質量評價方法。該方法主要分為特征提取階段以及訓練回歸階段。在特征提取階段分三個方向提取圖像的特征，使用顏色相似度方法提取方法在顏色方向分別提取了圖像的兩種顏色相似度特征；在視覺對比差異方向我們采用視覺差異預測方法來提取視覺對比差異特征；再針對多尺度綜合特征方向我們使用log?Gabor濾波器在不同頻率尺度和方向上提取多尺度特征。在訓練回歸階段運用機器學習的方法預測高動態圖像的質量。本發明提出的算法能夠準確有效地預測高動態圖像的質量。

技術領域

本發明涉及高動態圖像質量評價技術領域，是一種基于多個特征提取的高動態圖像質量評價方法，具體地指，涉及一種基于多特征融合的全參考高動態圖像質量評價方法。

背景技術

高動態范圍(High?Dynamic?Range,HDR)圖像能夠準確地顯示從昏暗背景到明亮陽光之間的亮度差異(10^-3cd/m²到10⁵cd/m²)，能帶給觀看者更真實豐富的視覺體驗。然而，現有圖像質量評價算法主要是針對傳統的8位低動態范圍(Low?Dynamic?Range,LDR)圖像，由于動態范圍的擴展，圖像的色彩鮮艷度和亮度發生了顯著的增長，導致傳統的圖像質量評價方法不再具有高有效性，為了順應時代發展潮流，人們開始逐步提出了針對高動態范圍圖像的算法。現階段已提出的針對高動態圖像的全參考質量評價算法大多針對某單一特征。正因如此，現階段亟需針對多特征融合的高動態圖像質量評價算法，以判別高動態圖像質量的優劣，也可以作為改進高動態視頻質量的準則。

由于圖像在網絡傳輸中或者壓縮打包的時候，不可避免的會引入噪聲，為了衡量網絡傳輸或壓縮打包的質量，又因為高動態圖像的逐漸普及，因此全參考高動態圖像質量評價算法逐步變成關注的重點。全參考圖像質量評價主要是提取原始圖像和失真圖像的特征，進而量化成客觀質量分數，評價算法的主要目的就是使被預測的對象的客觀質量盡量與人眼對圖像的主觀評價一致。目前全參考質量評價算法的發展主要分為兩種：第一種是基于機器學習機制，通過學習訓練來構建評價模型，再通過測試集評估其性能；第二種是直接提取特征將其映射，得到圖像質量的評估值，不需要模型訓練過程。本發明屬于第一種類型，但是目前已提出的算法仍然存在如下缺陷：

1、目前算法僅考慮某些單一特征，沒有從多特征出發，因此預測準確度較差；

2、目前算法無法有效的適用于不同格式的高動態范圍圖像。

發明內容

本發明的目的在于針對現有技術中存在的上述不足，提供一種基于多特征提取的高動態圖像質量評價方法，包括顏色特征，視覺對比差異特征和多尺度綜合特征，能夠提高全參考高動態圖像質量評價技術的性能及主觀一致性，以及提高算法的效率，準確有效地預測高動態圖像的質量。

為達到上述目的，本發明的構思是：本發明提供的基于多特征融合的全參考高動態圖像質量評價方法主要分為特征提取階段以及訓練回歸階段。在特征提取階段分三個方向提取圖像的特征，使用顏色相似度方法提取方法在顏色方向分別提取了圖像的兩種顏色相似度特征；在視覺對比差異方向我們采用視覺差異預測方法HDR-VDP-2(HDR?VisualDifference?Predictor)來提取視覺對比差異特征；針對多尺度綜合特征方向我們使用高動態視頻評價方法HDR-VQM(HDR?Video?Quality?Measure)方法，先使用視覺上均勻量化處理來擬合出人眼實際接受到的亮度值，log-Gabor濾波器在不同頻率尺度和方向上提取多尺度特征。在訓練回歸階段運用機器學習的方法預測高動態圖像的質量。本發明提出的算法能夠準確有效地預測高動態圖像的質量。

本發明是通過以下技術方案實現的。

一種基于多特征融合的全參考高動態圖像質量評價方法，其特征在于操作步驟如下：

(1)顏色方向特征計算，包括：