[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

说明书

本发明公开了一种基于图像分割的色调映射图像质量评价方法，针对色调映射图像的不同区域的主要失真类型不太一样这个特点，将其分成了复杂区域和平坦区域，并且在其复杂区域提取纹理细节特征，在平坦区域提取色度特征，接着在全局区域也提取出纹理细节特征和色度特征。针对图像的高亮和低暗区域细节失真过大这个特点，将图像分成了高亮和低暗区域以及其他区域，并且分别在不同的区域提取信息熵特征用以表征图像的失真程度，随后将高亮低暗区域阈值也作为一个特征来判断图像的亮度分布均匀程度，将其评价不同区域时效果好的特征值保留，剔除效果不好的特征值，降低了特征冗余；有效提高了得到的客观评价结果与人眼主观感知之间的相关性。

技术领域

本发明涉及一种图像质量评价技术，尤其是涉及一种基于图像分割的色调映射图像无参考质量评价方法。

背景技术

高动态范围(High-Dynamic Range,HDR)图像的动态范围非常高，相比普通图像，能提供更多的图像细节，还原真实场景；近年来，高动态图像及其成像技术在电影特效、专业摄影、虚拟现实、图像渲染等领域获得了广泛的应用。但是，由于获取、显示用专业设备价格昂贵，使得高动态图像的应用很难在社会上普及。为了使HDR图像能在常规动态范围(Standard-Dynamic Range,SDR)显示设备上显示，通常可以通过色调映射(Tone-mapping,TM)算法将它们映射到SDR上；在此过程中，可能会引入相应的图像质量下降；为获取高质量的TM图像，有效的质量评价工具必不可少。

依据对参考图像的依赖程度，图像客观质量评价可分为全参考、半参考和无参考3类，其中，无参考质量评价方法的实用性最强，其研究难度也更大；全参考方法中具有代表性的方法主要有:1)Tone-mapped image quality index(TMQI)：该方法在(structural similarity index,SSIM)基础上进行了结构保真度的求取，随后建立无参考自然度评价模型，最终将图像的结构保真度和自然度加权求和得到TM图像的质量分数；无参考方法中具有代表性的方法主要有:2)Blind quality assessment of tone-mapped images(BTMQI)，该方法从信息熵、自然度和结构三个方面进行研究，考虑到HDR图像与LDR图像相比的最大特点是在高亮区域和低亮区域保留更多的细节信息，故将TM图像的亮度分别放大和缩小了4个尺度，利用各尺度的信息熵来判断该TM图像在高亮区域、低亮区域和全局区域所保留的信息量。

但是目前使用的色调映射图像质量评价方法，缺乏对图像局部区域进行深入的研究，尤其是在图像的平坦、复杂区域以及图像的高亮、低暗区域，且缺乏一种对特征重要性的有效衡量方法来对特征值进行筛选优化。

发明内容

本发明所要解决的技术问题是提供一种基于图像分割的色调映射图像质量评价方法，其能够有效地提高客观评价结果与人眼主观感知质量之间的相关性。

本发明解决上述技术问题所采用的技术方案为：一种基于图像分割的无参考色调映射图像质量评价方法，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；