[发明专利]一种无参考高动态范围图像客观质量评价方法

说明书

本发明公开了一种无参考高动态范围图像客观质量评价方法，其将图像表示成三阶张量，由于色度信息在高动态范围图像质量评价中具有重要作用，因此利用张量分解中的Tucker分解算法，对失真高动态范围图像进行张量分解，得到融合了亮度失真和色度失真的第1个通道作为第一特征图像，在第一特征图像上提取失真信息，与仅在亮度通道上提取失真信息相比，第一特征图像还包含了色度通道的失真，同时数据量又与亮度通道相同，不会增加额外的数据量；将第一特征图像中提取的张量域感知特征向量与支持向量回归训练模型结合，得到失真高动态范围图像的客观质量评价值，从而实现了无参考的高动态范围图像的客观质量评价，评价效果显著提高，且其不需要参考图像。

技术领域

本发明涉及一种图像质量评价方法，尤其是涉及一种基于张量域感知特征的无参考高动态范围图像客观质量评价方法。

背景技术

高动态范围(High Dynamic Range，HDR)成像技术的发展改变了传统的图像显示方式，其能够带给人们更真实的视觉体验。然而图像在采集、压缩、存储和传输过程中，不可避免地会引入降质。图像质量直接反映了用户的体验质量，降低甚至彻底杜绝降质是图像消费者的共同愿望，对高动态范围图像的质量评价进行研究能够有效帮助解决一些降质问题。

图像质量评价从方法上可分为主观质量评价方法和客观质量评价方法，主观质量评价方法耗时多、费用高、难以操作，因此，需要建立合适的客观质量评价模型对图像质量进行预测。高动态范围图像的客观质量评价方法可分为基于低动态范围(Low DynamicRange，LDR)图像质量评价的高动态范围图像质量评价方法和针对高动态范围图像设计的质量评价方法。传统的低动态范围图像质量评价方法，如MSE(PSNR)、SSIM、MSSIM、VIF、VSNR等，这些方法不能直接用于高动态范围图像的质量评价，因为这些方法都是在假定图像的像素值和人眼感知的像素值满足线性关系的条件下设计的，而这在高动态范围图像中并不成立。基于低动态范围图像质量评价的高动态范围图像质量评价方法需要先对图像进行log运算或PU编码预处理，使得图像的像素值和人眼感知的像素值大致满足线性关系，再使用低动态范围图像的质量评价方法，该方法经过log运算或PU编码预处理后，虽然评价效果有了大幅提升，但是有待进一步提高，因为它们不能体现高动态范围图像在动态范围、对比度提高之后，具有的与低动态范围图像不同的视觉注意力机制。

目前，针对高动态范围图像设计的质量评价方法只有几种，典型的有Mantiuk等提出的视觉差异预测方法HDR-VDP-2及其权重优化的HDR-VDP-2.2方法，以及针对高动态范围视频质量评价设计的HDR-VQM方法。这几种方法都很好的模拟了人眼对高动态范围图像的高亮度范围的感知，得到了广泛地应用。但是，这几种方法都是全参考的高动态范围图像质量评价方法，需要参考图像和失真图像，然而在实际应用中，参考图像往往是不可获取或不存在的。目前，对无参考高动态范围图像客观质量评价方法的研究还比较缺乏。因此，对无参考高动态范围图像的质量进行准确评价是一个迫切需要解决的问题。

优秀的高动态范围图像客观质量评价方法应能够很好地反映人眼视觉感知特性，人眼对图像失真的感知是色度失真和亮度失真共同作用的结果，上述针对高动态范围图像设计的全参考客观质量评价方法都只考虑了亮度失真，忽略了色度失真，这与人眼视觉感知不符，尤其对色彩鲜明的高动态范围图像。张量可以完整地表示图像数据并且有效保持图像数据的内在结构，且使用自回归模型可以有效模拟人脑对图像的感知生成，因此研究一种基于张量域感知特征的无参考高动态范围图像客观质量评价方法很有必要。

发明内容

本发明所要解决的技术问题是提供一种无参考高动态范围图像客观质量评价方法，其能够有效地提高客观评价结果与主观感知之间的一致性。

本发明解决上述技术问题所采用的技术方案为：一种无参考高动态范围图像客观质量评价方法，其特征在于包括以下步骤：