[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

摘要

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。

主权项

1.一种基于特征相似度的高动态彩色图像质量评价方法，其特征在于，该方法包括以下步骤：第一步、将原始亮度转为感知亮度，即：将原始HDR亮度N乘以179得到实际场景亮度值A，通过裁剪函数将实际亮度限制在最大显示亮度(4500cd/m2)和最小显示亮度(0.03cd/m2)之间，被裁剪的亮度为发射亮度E，对发射亮度E进行PU编码，获得感知亮度P；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，具体的算法如下：(1)计算一维图像的PC特征图：在尺度n上，每个正交滤波器对对信号g(x)的响应形成一组响应矢量[en(x),on(x)]：其中，*表示卷积运算，e_n(x)和o_n(x)分别表示尺度n上的正交响应向量；g(x)表示输入信号，和表示尺度n上的偶对称和奇对称滤波器；正交响应向量对[en(x),on(x)]在尺度n上的局部振幅An(x)，即响应向量对的幅度计算公式如下：则一维图像的PC特征图通过下式计算：PC(x)＝E(x)/(ε+∑nAn(x))    (3)其中，PC(x)表示一维PC特征图，E(x)表示所有尺度下响应矢量对的加和平方根，表示标准差，计算公式为：令F(x)＝∑_ne_n(x)和H(x)＝∑_no_n(x)，ε是一个小的正数常量，防止分母为0；正交滤波器对和在频域上的传递函数的计算公式为：其中，ω0表示滤波器的中心频率，σr表示控制滤波器的带宽；(2)计算二维图像的PC特征图：将上的一维正交滤波器滤波器扩展到二维正交滤波器r滤波器，二维正交滤波器函数的传递函数表示为：其中，ω表示频率，θj＝jπ/J，j＝{0,1,.....,J‑1}是滤波器的方向角，J表示方向数，σθ决定滤波器的角带宽；其中，将尺度设为4，滤波器方向数J设为4，σθ设为0.55，滤波频率和滤波带宽分别取值ω0＝0.002,σr＝6.2；调制ω₀、θ_j和2D图像卷积G₂，得到每个点x上的一组响应向量在尺度n和方向θ_j上的正交响应向量的局部振幅即响应向量对的幅度计算公式为：正交响应向量对沿θ_j方向的所有尺度下的局部振幅，即局部能量计算公式为：其中，表示θ_j方向的局部能量，分别为尺度n和方向θ_j下的正交响应向量对；因此，2D图像x位置处的PC特征图表示为：其中，ε为小的正数，防止分母为0；分别将彩色LDR图像的R，G和B分量作为单通道图像，进行上述公式(5)‑(8)计算，获得图像R、G和B彩色分量的相位一致(PC)特征图PC_R，PC_G和PC_B：其中，分别表示R，G和B分量沿θ_j方向的局部能量，分别为R，G和B分量在尺度n和方向θ_j下的正交响应向量对的局部振幅；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，具体的算法如下：将图像f(x)沿水平方向x和垂直方向y的偏导数分别为Gx(x)和Gy(x)表达为：图像f(x)的GM特征图表示为：将彩色LDR图像的R、G和B分量作为单通道图像，进行上述计算，获得GM_R、GM_G和GM_B：其中，GR,x,GG,x,GB,x分别表示R，G和B分量沿水平方向x的偏导数，GR,y,GG,y,GB,y分别为R，G和B分量在垂直方向y的偏导数，具体计算过程同上式(10)；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，如下式所示：其中，i、j和k是三个虚数单位；第五步：计算特征相似度，实现质量评价，即：设PC_Q1和PC_Q2表示从图像f1和f2中提取的PC特征图，以及GM_Q1和GM_Q2表示从图像f1和f2中提取的GM特征图；评价指标的计算分为两个阶段：第一阶段，计算局部相似性度量：首先，PC_Q1(x)和PC_Q2(x)的相似性度量定义为：其中，T1表示一个小的正数，以提高SPC(x)的稳定性；GM_Q1(x)和GM_Q2(x)之间的相似性度量定义为：其中，T2表示取决于GM_Q动态范围的正常数，以提高SGM(x)的稳定性；然后，将SPC(x)和SGM(x)结合，得到图像f1(x)和f2(x)的局部相似性度量指标SQ(x)，定义SQ(x)为：SQ(x)＝SPC(x)·SGM(x)    (16)第二阶段，计算全局相似性度量指标：HVS具有视觉显著特性，具有显著PC特征的位置对衡量f1和f2之间的相似性有较大影响，使用PCm(x)＝max(PC1(x),PC2(x))来加权SQ(x)在f1和f2之间的整体相似度中的重要性，因此f1和f2之间的相似性PU_FSIMQ被定义为：其中，Ω表示整个图像的时域范围。