[发明专利]一种基于结构相似性差异度的色调映射图像质量评价方法

权利要求书

1.一种基于结构相似性差异度的色调映射图像质量评价方法，其特征在于，包括以下步骤：

(1)输入色调映射彩色失真图像，并转换为色调映射灰度失真图像D；

(2)构建梯度特征F₁，包括以下子步骤：

(2.1)采用Canny算子处理步骤(1)得到的色调映射灰度失真图像D，得到梯度二值化图像G；

(2.2)计算像素点G(i,j)的N×N邻域内取值为1的邻域像素总数X(i,j)；

(2.3)计算邻域像素总数X(i,j)的均值μ_X和方差σ_X，构建梯度特征F₁＝[μ_X,σ_X]；

(3)构建最小方向曲率特征F₂，包括以下子步骤：

(3.1)构建角度为0、和的一阶导数滤波器h₀、h₁、h₂、h₃、h₄和h₅，用一阶导数滤波器分别对步骤(1)得到的色调映射灰度失真图像D进行卷积，得到对应的一阶导数d₀(i,j)、d₁(i,j)、d₂(i,j)、d₃(i,j)、d₄(i,j)和d₅(i,j)；

(3.2)构建角度为0、和的二阶导数滤波器g₀、g₁、g₂、g₃、g₄和g₅，分别对步骤(1)得到的色调映射灰度失真图像D进行卷积，得到对应的二阶导数t₀(i,j)、t₁(i,j)、t₂(i,j)、t₃(i,j)、t₄(i,j)和t₅(i,j)；

(3.3)计算色调映射灰度失真图像D在角度为0、和的方向曲率K_n(i,j)，采用公式如下：

其中，n取值为0～5；|·|为求绝对值操作；

(3.4)计算最小方向曲率K(i,j)＝minK_n(i,j)；

(3.5)计算最小方向曲率K(i,j)的均值μ_K、方差σ_K、峰度β_K和偏度γ_K，构建最小方向曲率特征F₂＝[μ_K,σ_K,β_K,γ_K]；

(4)构建均匀局部二值模式直方图特征F₃，包括以下子步骤：

(4.1)对步骤(1)得到的色调映射灰度失真图像D进行二维离散傅里叶变换，得到傅里叶变换系数Y(u,v)；

(4.2)根据傅里叶变换系数Y(u,v)得到相位图像Φ：

其中，re(Y(u,v))为Y(u,v)的实部，im(Y(u,v))为Y(u,v)的虚部，arctan(·)为求反正切操作；

(4.3)计算相位图像Φ的均匀局部二值模式特征ULBP_B：

其中，LBP_B(u,v)为相位图像Φ的局部二值模式特征；Φ_b＝{Φ₀,Φ₁,...,Φ_B-1}为Φ(u,v)的B个邻域点，且B＝8，b＝0～B-1；当Φ_b≥Φ(u,v)时，t[Φ_b-Φ(u,v)]＝1，当Φ_b＜Φ(u,v)时，t[Φ_b-Φ(u,v)]＝0；

(4.4)根据步骤(4.3)得到的均匀局部二值模式特征ULBP_B，构建均匀局部二值模式直方图特征F₃：

F₃＝hist[ULBP_B(u,v)]＝[f₀,f₁,f₂,...,f_B+1]

其中，hist[·]为取直方图操作，f_k为取值为k的直方图分组中的元素个数，k取0～B+1；

(5)构建邻域结构相似性差异特征F₄，包括以下子步骤：

(5.1)将步骤(1)得到的色调映射灰度失真图像D划分成由大小为W×W的图像块A(ε,η)组成的矩阵；

(5.2)依次计算图像块A与其上、右上、右、右下、下、左下、左、和左上邻域图像块之间的结构相似性得到邻域结构相似性数值，记为S1(ε,η)、S2(ε,η)、S3(ε,η)、S4(ε,η)、S5(ε,η)、S6(ε,η)、S7(ε,η)和S8(ε,η)，并求平均得到邻域结构相似性均值SA(ε,η)；

(5.3)依次比较步骤(5.2)得到的邻域结构相似性数值与其均值SA(ε,η)的大小得到对应的邻域结构相似性对比值L1(ε,η)、L2(ε,η)、L3(ε,η)、L4(ε,η)、L5(ε,η)、L6(ε,η)、L7(ε,η)和L8(ε,η)；当邻域结构相似性数值大于等于其均值时；邻域结构相似性对比值为1，否则为0；

(5.4)将步骤(5.3)得到的邻域结构相似性对比值按L1(ε,η)～L8(ε,η)的顺序组成二进制序列，并转换成十进制整数作为图像块A的邻域结构相似性差异度Q(ε,η)；

(5.5)计算邻域结构相似性差异度Q(ε,η)的均值μ_Q、方差σ_Q、峰度β_Q和偏度γ_Q，构建邻域结构相似性差异特征F₄＝[μ_Q,σ_Q,β_Q,γ_Q]；

(6)根据步骤(2)得到的梯度特征F₁、步骤(3)得到的最小方向曲率特征F₂、步骤(4)得到的均匀局部二值模式直方图特征F₃和步骤(5)得到的邻域结构相似性差异特征F₄构建图像质量评价特征F＝[F₁,F₂,F₃,F₄]；

(7)将步骤(6)得到的图像质量评价特征F和对应的平均主观意见分送入支持向量回归机训练；

(8)将待评价图像按步骤(1)～(7)提取图像质量评价特征F，输入步骤(7)训练好的支持向量回归机，得到图像质量评价结果。