[发明专利]一种无参考高动态范围图像客观质量评价方法

摘要

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。

主权项

1.一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：①将待评价的失真高动态范围图像记为I_dis；然后将I_dis表示成三阶张量的形式，记为V_dis；接着利用张量的Tucker3分解算法对V_dis进行3模式积运算，得到V_dis的核张量，记为G_dis；再将G_dis的第1个通道作为I_dis的第一特征图像，记为G_dis1；其中，I_dis的宽度为W且高度为H，G_dis、G_dis1的宽度也均为W、高度也均为H；②将G_dis1中的所有像素点的像素值线性映射到专用于显示高动态范围图像的显示器的设定亮度范围0.03cd/m²～4250cd/m²内，将得到的线性映射图像记为G_dis1^#；然后计算G_dis1^#中亮度值超过2400cd/m²的像素点的总个数占G_dis1^#中的所有像素点的总个数的比例，记为R_global；并计算G_dis1^#的动态范围，记为DR_global，再将R_global和DR_global联合，得到I_dis的全局亮度感知特征向量，记为f_global，f_global＝[R_global,DR_global]；其中，L_max表示G_dis1^#中的所有像素点的亮度值按从大到小的顺序排列再去除前μ％和后μ％的亮度值后剩下的所有亮度值中的最大亮度值，L_min表示G_dis1^#中的所有像素点的亮度值按从大到小的顺序排列再去除前μ％和后μ％的亮度值后剩下的所有亮度值中的最小亮度值，5≤μ≤15；③将G_dis1划分成m×n个互不重叠的尺寸大小为的图像块，将G_dis1中的第i个图像块记为其中，m表示G_dis1在横向上包含的图像块的数目，n表示G_dis1在纵向上包含的图像块的数目，符号为向下取整运算符号，1≤i≤N，N表示G_dis1中包含的图像块的总数目，N＝m×n；④将G_dis1中的每个图像块中的所有像素点的像素值线性映射到专用于显示高动态范围图像的显示器的设定亮度范围0.03cd/m²～4250cd/m²内，得到G_dis1中的每个图像块对应的线性映射图像，将对应的线性映射图像记为然后计算G_dis1中的每个图像块对应的线性映射图像中亮度值超过2400cd/m²的像素点的总个数占G_dis1中的每个图像块对应的线性映射图像中的所有像素点的总个数的比例，将中亮度值超过2400cd/m²的像素点的总个数占中的所有像素点的总个数的比例记为并计算G_dis1中的每个图像块对应的线性映射图像的动态范围，将的动态范围记为再将G_dis1中的每个图像块对应的线性映射图像中亮度值超过2400cd/m²的像素点的总个数占G_dis1中的每个图像块对应的线性映射图像中的所有像素点的总个数的比例和G_dis1中的每个图像块对应的线性映射图像的动态范围联合，得到I_dis中与G_dis1中的每个图像块位置对应且尺寸大小相同的区域的第一局部亮度感知特征向量，将I_dis中与位置对应且尺寸大小相同的区域的第一局部亮度感知特征向量记为由和联合得到，其中，表示中的所有像素点的亮度值按从大到小的顺序排列再去除前μ％和后μ％的亮度值后剩下的所有亮度值中的最大亮度值，表示中的所有像素点的亮度值按从大到小的顺序排列再去除前μ％和后μ％的亮度值后剩下的所有亮度值中的最小亮度值，5≤μ≤15；⑤对G_dis1中的每个图像块的四周向上、向下各填充h行0像素，向左、向右各填充h列0像素，得到G_dis1中的每个图像块对应的扩充图像，扩充图像的宽度为且高度为将对应的扩充图像记为然后以块步长为1，将每幅扩充图像划分成个相互重叠的尺寸大小为(2h+1)×(2h+1)的方块，将中的第j个方块记为接着将每幅扩充图像中的所有方块的中心像素点的像素值按序排列构成一个列向量，将中的所有方块的中心像素点的像素值按序排列构成的列向量记为并将每幅扩充图像中的每个方块中除中心像素点外的其余所有像素点的像素值按序排列构成一个行向量，将中除中心像素点外的其余所有像素点的像素值按序排列构成的行向量记为再将每幅扩充图像中的所有方块对应的行向量排列构成一个矩阵，将中的所有方块对应的行向量排列构成的矩阵记为其中，min()为取最小值函数，的维数为表示中的第1个方块的中心像素点的像素值，表示的中心像素点的像素值，表示中的第个方块的中心像素点的像素值，也为中的所有像素点的像素值按序排列构成的列向量，的维数为1×(L‑1)，L表示每幅扩充图像中的每个方块中包含的像素点的总数目，L＝(2h+1)×(2h+1)，的维数为表示中的第1个方块中除中心像素点外的其余所有像素点的像素值按序排列构成的行向量，表示中的第个方块中除中心像素点外的其余所有像素点的像素值按序排列构成的行向量；⑥采用自回归模型模拟使用每幅扩充图像中的每个方块中除中心像素点外的其余所有像素点的像素值按序排列构成的行向量对该方块的中心像素点的像素值进行预测的预测过程，得到每幅扩充图像中的每个方块的中心像素点的预测像素值，将的中心像素点的预测像素值记为为采用自回归模型模拟使用对进行预测的预测过程得到的，的值为与的乘积；然后将每幅扩充图像中的所有方块的中心像素点的预测像素值按序排列构成一个列向量，将中的所有方块的中心像素点的像素值按序排列构成的列向量记为的值为与的乘积；接着采用最小二乘法求解，使每幅扩充图像中的所有方块的中心像素点的预测像素值按序排列构成的列向量与每幅扩充图像中的所有方块的中心像素点的像素值按序排列构成的列向量的差异最小，得到每幅扩充图像对应的预测系数列向量的最优值，将的最优值记为为通过采用最小二乘法求解，使与的差异最小获得的；再获取每幅扩充图像中的所有方块的中心像素点的预测像素值按序排列构成的列向量的最优值，将的最优值记为为与的乘积；之后将每幅扩充图像中的所有方块的中心像素点的预测像素值按序排列构成的列向量的最优值中的所有值排列成尺寸大小为的图像，作为G_dis1中的每个图像块的预测块，将的预测块记为为中的所有值排列成尺寸大小为的图像；最后获取I_dis中与G_dis1中的每个图像块位置对应且尺寸大小相同的区域的局部感知预测特征向量，将I_dis中与位置对应且尺寸大小相同的区域的局部感知预测特征向量记为其中，表示自回归模型中与对应的预测系数列向量，的维数为(L‑1)×1，为的转置；⑦将G_dis1中的每个图像块的预测块中的所有像素点的像素值线性映射到专用于显示高动态范围图像的显示器的设定亮度范围0.03cd/m²～4250cd/m²内，得到G_dis1中的每个图像块的预测块对应的线性映射图像，将对应的线性映射图像记为然后计算G_dis1中的每个图像块的预测块对应的线性映射图像中亮度值超过2400cd/m²的像素点的总个数占G_dis1中的每个图像块的预测块对应的线性映射图像中的所有像素点的总个数的比例，将中亮度值超过2400cd/m²的像素点的总个数占中的所有像素点的总个数的比例记为并计算G_dis1中的每个图像块的预测块对应的线性映射图像的动态范围，将的动态范围记为再将G_dis1中的每个图像块的预测块对应的线性映射图像中亮度值超过2400cd/m²的像素点的总个数占G_dis1中的每个图像块的预测块对应的线性映射图像中的所有像素点的总个数的比例和G_dis1中的每个图像块的预测块对应的线性映射图像的动态范围联合，得到I_dis中与G_dis1中的每个图像块位置对应且尺寸大小相同的区域的第二局部亮度感知特征向量，将I_dis中与位置对应且尺寸大小相同的区域的第二局部亮度感知特征向量记为由和联合得到，其中，表示中的所有像素点的亮度值按从大到小的顺序排列再去除前μ％和后μ％的亮度值后剩下的所有亮度值中的最大亮度值，表示中的所有像素点的亮度值按从大到小的顺序排列再去除前μ％和后μ％的亮度值后剩下的所有亮度值中的最小亮度值，5≤μ≤15；⑧根据I_dis中与G_dis1中的每个图像块位置对应且尺寸大小相同的区域的局部感知预测特征向量、第一局部亮度感知特征向量、第二局部亮度感知特征向量以及I_dis的全局亮度感知特征向量，获取I_dis中与G_dis1中的每个图像块位置对应且尺寸大小相同的区域的张量域感知特征向量，将I_dis中与位置对应且尺寸大小相同的区域的张量域感知特征向量记为Fⁱ，其中，Fⁱ的维数为1×(L+5)；⑨选取K幅失真高动态范围图像构成训练库；然后按照步骤①至步骤⑧的过程，以相同的方式获取训练库中的每幅失真高动态范围图像中的m×n个互不重叠的尺寸大小为的区域各自的张量域感知特征向量；再将训练库中的每幅失真高动态范围图像的主观评价分数作为标签，将训练库中的每幅失真高动态范围图像中的m×n个互不重叠的尺寸大小为的区域各自的张量域感知特征向量作为输入样本，采用支持向量回归技术进行训练，训练得到支持向量回归训练模型；其中，K≥30，设定训练库中的每幅失真高动态范围图像的宽度也为W、高度也为H；⑩将I_dis中与G_dis1中的每个图像块位置对应且尺寸大小相同的区域的张量域感知特征向量作为输入参数，输入到支持向量回归训练模型中，输出I_dis中与G_dis1中的每个图像块位置对应且尺寸大小相同的区域的客观质量评价值，将I_dis中与位置对应且尺寸大小相同的区域的客观质量评价值记为qualityⁱ；再获取I_dis的客观质量评价值，记为quality_dis，