[发明专利]基于特征相似度的高动态彩色图像质量评价方法

说明书

本发明公开了一种基于特征相似度的高动态彩色图像质量评价方法，该方法包括以下步骤：第一步、将原始亮度转为感知亮度，第二步、计算彩色LDR图像的R、G和B彩色分量的相位一致PC特征图PC_R，PC_G和PC_B，第三步：计算彩色LDR图像的R，G和B分量的梯度幅度(GM)特征图GM_R，GM_G和GM_B，第四步：将PC特征图和GM特征图整合成四元数矩阵，将彩色图像的特征图转换为纯虚数形式，第五步：计算特征相似度，实现质量评价。本发明保留了R，G和B色彩通道的相关性，与人眼的主观质量评价具有较高的一致性；该算法对于不同的失真均有较高的评价准确率，且计算复杂度低，可以实现实时的质量评价。

技术领域

本发明涉及彩色图像质量评价领域和高动态图像处理领域，特别是涉及一种高动态彩色图像质量评价方法。

背景技术

人眼从真实世界感知到的亮度可以达到10⁵cd/m²。目前，大多数相机和显示设备仅支持对比度约为100∶1至1000∶1的低动态范围(Low Dynamic Range，LDR)图像，这导致了“观看质量退化和场景不真实”等问题。高动态范围(High Dynamic Range，HDR)图像追求人眼所能看到的更完整的信息，即使在极端照明条件下也能记录场景中可见区域的所有亮度信息。然而，HDR图像在采集、处理、压缩和存储过程中经历各种类型退化，严重影响观看者的视觉体验。主观评价方法由于耗时、成本高、不可控等因素，无法应用于实践。因此，需要有效客观的HDR图像质量评价(HDR Image Quality Assessment，HDR-IQA)方法。

目前，常用的HDR-IQA方法是视觉差异预测方法HDR-VDP-2及其权重修正版HDR-VDP2.2。HDR-VDP-2通过对人眼视觉系统(HVS)进行合理的仿真，并融合了HDR图像的亮度和对比度特征，从而对HDR图像进行质量评价。在HDR-VDP-2的基础上，HDR-VDP2.2通过加入约束来校准不同频率和方向的权重系数。为了扩展LDR方法的应用范围并考虑HVS特性，Aydin等人提出了将感知一致性编码(Perceptually Uniform，PU)编码应用于HDR图像。该方法首先将HDR图像通过PU编码转换为感知一致的图像，以适应HVS的视觉掩模特性，有利于采用现有的LDR质量评价方法对HDR图像进行质量评价。ValZnes等人分别研究了对数和PU空间中PSNR和SSIM的性能，并将它们与HDR-VDP-2进行比较，验证了PU编码的有效性。最近，Narwaria等人提出了一种基于PU编码的信号预处理、变换和子频率分解的HDR视频质量度量(HDR-VQM)方法。虽然该方法是为HDR视频设计的，但在静态图像中具有良好的预测精度。

然而，上述提到的HDR-VDP-2、HDR-VDP-2.2和HDR-VQM算法复杂度较高，不适用于实时要求较强的应用；PU编码与传统LDR算法简单结合的方法，只针对亮度图像且仅考虑宽亮度范围特性，没有考虑到对HDR影响较大的彩色信息，具有一定的局限性。

研究发现，图像三维结构(3-D)信息的感知差异主要是由颜色的变化引起的。因此，颜色信息对于图像的视觉感知非常重要，特别是对于更逼真的HDR图像。四元数的概念最先由汉密尔顿在1866中提出。Sangwine等人推导出了超复自相关、彩色图像互相关、超复傅立叶变换和四元数PCA的方法。Kolaman等人提出了一种基于四元数的SSIM(QSSIM)，它将由R、G和B通道值组成的纯四元数图像作为输入，然后计算纯四元数图像的结构相似性。

发明内容

为了提高HDR图像客观质量评价与人眼的主观质量评价的一致性，本发明提出了一种基于特征相似度的高动态彩色图像质量评价方法，该方法使用PU编码模仿HVS的视觉掩模特性，通过四元数保留了R、G和B色彩通道的相关性，计算图像的特征相似度，并考虑视觉显著特性，实现对彩色HDR图像的质量评价。

本发明提出的一种基于特征相似度的高动态彩色图像质量评价方法，该方法包括以下步骤：