[发明专利]一种基于图像分割的色调映射图像无参考质量评价方法

权利要求书

1.一种基于图像分割的无参考色调映射图像质量评价方法，其特征在于包括以下步骤：

①选取747张ESPL-LIVE图像库当中的任一幅色调映射图像，将色调映射图像转换为灰度图像；

②对色调映射图像进行纹理分割，将分割出来的复杂区域图像记为G_Comp，平坦区域图像记为G_flat；

③对灰度图像使用最大熵阈值分割法进行亮度分割，将分割出来的中间亮度区域记为N，低暗区域记为D，高亮区域记为B；

④对色调映射图像进行张量分解，将其核心张量的第一子代记为G₁，对复杂区域图像G_Comp进行张量分解，并将其核心张量的第一子代记为C₁；

⑤对G₁进行计算得到灰度梯度共生矩阵，并在灰度梯度共生矩阵上计算G₁对应的15个常见特征，分别是小梯度优势f₁，大梯度优势f₂，灰度分布不均匀性f₃，梯度分布不均匀性f₄，能量f₅，相关性f₆，灰度熵f₇，梯度熵f₈，混合熵f₉，差分矩f₁₀，逆差分矩f₁₁，灰度均值f₁₂，梯度均值f₁₃，灰度标准差f₁₄，梯度标准差f₁₅，将这15个特征用特征向量表示，

计算C₁对应的15个常见特征，并用特征向量表示，

⑥计算色调映射图像与颜色矩相关的9个特征，并且将这9个特征用表示，其中，f₃₁-f₃₃分别是色调映射图像的RGB三个通道的一阶矩，f₃₄-f₃₆分别是色调映射图像的RGB三个通道的二阶矩，f₃₇-f₃₉分别代表的是色调映射图像的RGB三个通道的三阶矩；

对平坦区域图像G_flat也计算这9个特征，并用特征向量表示，其中，f₄₀-f₄₂分别代表的是平坦区域图像G_flat的RGB三个通道的一阶矩，f₄₃-f₄₅分别代表的是平坦区域图像G_flat的RGB三个通道的二阶矩，f₄₆-f₄₈分别代表的是平坦区域图像G_flat的RGB三个通道的三阶矩；

⑦将灰度图像的灰度中值G_MID划分高亮和中间亮度区域的阈值T_B和低暗和中间亮度区域的阈值T_D作为特征，记为分别计算B，D以及N三个区域的信息熵，记为特征

⑧将特征以及合并，使其成为一个长为30维的特征并对使用随机森林模型对特征值重要性程度进行量化，得到一个长为30维的特征重要性向量[w₁,..w_i,..w₃₀]，其中，w_i代表f_i在f₁-f₃₀维特征中的重要性程度，接着比较w₁和w₁₆,w₂和w₁₇,...,w₁₅和w₃₀大小；当w₁w₁₆时，令k₁＝1,否则k₁＝16，当w₂w₁₇时，令k₂＝2,否则k₂＝17,...,当w₁₅w₃₀时，令k₁₅＝15，否则k₁₅＝30；最后，令FW₁＝Feat_G+C(k₁),...FWx＝Feat_G+C(k_x),...FW₁₅＝Feat_G+C(k₁₅)，其中，Feat_G+C(k_x)代表在的30维特征中第k_x个特征，15≥x≥1；针对G₁和在C₁中提的纹理同一特征，筛选出重要性较高的那个特征，将筛选后的纹理特征记为

将特征以及合并，使其成为一个长为18维的特征并对通过和30维的特征筛选纹理特征一样的方式进行特征筛选，针对色调映射图像和在平坦区域图像中的同一色度特征，筛选出重要性较高的那个特征，将筛选后的纹理特征记为其中，FS_j为筛选后的色度特征，9≥j≥1；

⑨计算色调映射图像的对比度，将其记为特征

⑩将合并为特征向量

随机在747张色调映射图像当中选取600张幅图像，按照步骤①至步骤的过程，以相同的方式获得每幅色调映射图像的特征向量作为训练集的输入，记为I_TRAIN，将其对应的主观打分值MOS也作为训练集的输入，记为O_TRAIN，O_TRAIN＝[MOS¹,MOS²,...,MOS^m]，构建出模型model；

将待评价的色调映射图像转换为灰度图像，然后按照步骤②至步骤计算出来的特征向量作为模型model的输入，得到模型的输出，记为MOS^T，并定义MOS^T的值越高代表待评价图像的质量越好。