[发明专利]一种基于饱和度的彩色多曝光融合图像的质量评价方法

说明书

技术领域

本发明属于图像质量评价方法领域，具体涉及一种基于饱和度的彩色多曝光融合图像的质量评价方法。

背景技术

当前普通的显示设备可以显示的亮度范围远远小于真实场景和人眼所能感知的亮度范围，所以不可能在普通设备上显示人眼观察到的真实场景。而高动态范围(High Dynamic Range,HDR)图像显示技术可以实现将真实场景的亮暗信息尽可能多的在普通设备上显示出来，并且尽可能符合人眼真实的感知效果。随着高清数字产业的快速发展，HDR显示技术已经成为当前数字领域的研究热点之一。多曝光图像融合技术就是一种简便的HDR显示技术，它可以由多幅不同曝光度的图像序列直接融合成一幅能在普通显示设备上显示的图像。随着多曝光融合技术的发展，越来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。为了评价不同的融合算法的优劣，急需一种能够评价多曝光融合效果的评价算法。

现在面向融合图像的质量评价算法主要分四类：1)基于图像信息的方法，这类方法主要利用融合前后图像的互信息来评价融合后图像的质量，这类方法只考虑了图像的整体信息量，忽略了单个像素以及局部的图像结构等信息；2)基于图像特征的方法，这类方法主要利用空域边缘特征和小波域中边缘特征来对融合图像进行质量评价，这类方法忽略了图像的纹理信息和人眼感知特性；3)基于结构相似的方法，这类方法的灵感源于SSIM算法，该方法计算融合前图像与融合后图像的结构相似度，与人眼视觉相近，但是现在多数的基于结构相似度的评价算法都是基于灰度图像进行评价的，忽略了图像的彩色信息，现实多曝光的融合图像都是彩色图像，融合后彩色信息有所变化，所以已有评价算法并不适用于彩色图像；4)基于人眼感知的方法，这类方法主要利用图像的显著信息来对图像进行评价，但往往忽略了图像的背景信息，造成了信息的丢失。

发明内容

有鉴于此，本发明提供了一种基于饱和度的彩色多曝光融合图像的质量评价方法，提高了彩色多曝光融合图像评价准确度。

实施本方案的具体方法为：

步骤一、以多曝光图像融合数据库MEF中的多曝光图像及其融合图像作为训练样本，对多曝光图像和融合图像采用基于饱和度和小波系数的提取方式，获得纹理信息、结构信息和彩色信息；根据融合前后图像的纹理信息、结构信息以及彩色信息，分别计算纹理相似度、结构相似度以及彩色相似度；将纹理信息相似度、结构信息相似度和彩色信息相似度作为特征值，结合给定的评价分值，输入到极限学习机器ELM中进行训练；

所述纹理信息的提取方式为：设待提取信息的融合后图像或多曝光图像中的各图像为图像I_Q；对图像I_Q进行小波变换，获得图像I_Q分为低频部分、中频部分及高频部分的小波系数集合I_q＝[LL LH HL HH]；其中，LL为低频部分的小波系数，LH和HL为中频部分的小波系数，LH对应水平方向相位，HL对应竖直方向相位，HH为高频部分的小波系数；基于图像的纹理信息多数集中在中频及高频部分的原理，提取图像I_Q的中频及高频部分的小波系数集合I_q′＝[LH HL HH]；对于图像I_Q为融合后图像的情况，提取的小波系数集合I_q′即为纹理信息；对于图像I_Q为多曝光图像的情况，选取多曝光图像中各图像对应的小波系数集合I_q′并取各系数的最大值，组成Vmax＝[max|LH|,max|HL|,max|HH|]，作为多曝光图像的纹理信息；

所述彩色信息的提取方式为：计算图像I_Q的饱和度SA，其中，R，G，B是彩色图像中红、绿、蓝三种色彩信息，μ是三种色彩信息的平均值；对于图像I_Q为融合后图像的情况，将饱和度值SA作为彩色信息；对于图像I_Q为多曝光图像的情况，选取多曝光图像中各图像对应的饱和度值SA的最大值，作为多曝光图像的彩色信息；

步骤二、对多曝光融合图像进行质量评价时，采用融合算法对多曝光图像进行融合，生成待评价的融合后图像；

步骤三、对待评价的融合后图像以及该融合后图像对应的融合前多曝光图像，采用所述基于饱和度和小波系数的提取方式，分别提取纹理信息、结构信息和彩色信息；

步骤四、根据步骤三获得的融合前后图像的纹理信息、结构信息以及彩色信息，分别计算纹理相似度、结构相似度以及彩色相似度；