一种基于全局特征的色调映射图像质量客观评价方法   0    0

本发明公开了一种基于全局特征的色调映射图像质量客观评价方法，其包括训练阶段和测试阶段两个过程；其考虑了自然场景统计特征和颜色统计特征对色调映射的影响，提取出色调映射图像的全局特征矢量，然后利用支持向量回归对训练图像集中的所有色调映射图像的全局特征矢量进行训练，构造质量预测模型；在测试阶段，通过计算用作测试的色调映射图像的全局特征矢量，并根据训练阶段构造的质量预测模型，预测得到该色调映射图像的质量客观评价预测值，由于获得的全局特征矢量信息具有较强的稳定性，且能够较好地反映色调映射图像的质量变化情况，因此有效地提高了客观评价结果与主观感知之间的相关性。

1.一种基于全局特征的色调映射图像质量客观评价方法，其特征在于包括训练阶段和
测试阶段两个过程；
所述的训练阶段过程的具体步骤为：
①_1、选取N幅色调映射图像构成训练图像集，记为 其中，N＞1，1≤k≤
N， 表示 中的第k幅色调映射图像， 中的每幅色调映射图
像的宽度为W，且高度为H；
①_2、计算 中的每幅色调映射图像的自然场景统计特征矢量，将 的
自然场景统计特征矢量记为 其中， 的维数为5×1；
所述的步骤①_2中的 的获取过程为：
①_2a、计算 中的每幅色调映射图像中的所有像素点的像素值的均值，
将 中的所有像素点的像素值的均值记为ρ， 然后计算
中的每幅色调映射图像中的所有像素点的像素值的标准差，将 中的所
有像素点的像素值的标准差记为δ， 接着计算
中的每幅色调映射图像中的所有像素点的像素值的偏度，将 中的所有像素点的像素值
的偏度记为θ， 并计算 中的每幅色调映射图像中
的所有像素点的像素值的峰度，将 中的所有像素点的像素值的峰度记为κ，
再计算 中的每幅色调映射图像中的所有像素
点的像素值的熵，将 中的所有像素点的像素值的熵记为η， 其中，1
≤x≤W,1≤y≤H， 表示 中坐标位置为(x,y)的像素点的像素值，0≤g≤255，pg
表示 中的所有像素点的像素值中属于第g个密度值的概率密度函数值，
①_2b、通过对 中的所有色调映射图像各自中的所有像素点的像素值的
均值进行高斯分布拟合，拟合得到 中的所有色调映射图像的均值高斯分布
拟合曲线，然后根据拟合得到的均值高斯分布拟合曲线获得ρ的拟合值，记为fρ，
同样，通过对 中的所有色调映射图像各自中
的所有像素点的像素值的标准差进行高斯分布拟合，拟合得到 中的所有色
调映射图像的标准差高斯分布拟合曲线，然后根据拟合得到的标准差高斯分布拟合曲线获
得δ的拟合值，记为fδ， 通过对 中的所有色调
映射图像各自中的所有像素点的像素值的偏度进行高斯分布拟合，拟合得到
中的所有色调映射图像的偏度高斯分布拟合曲线，然后根据拟合得到的偏
度高斯分布拟合曲线获得θ的拟合值，记为fθ， 通过对
中的所有色调映射图像各自中的所有像素点的像素值的峰度进行高斯分布
拟合，拟合得到 中的所有色调映射图像的峰度高斯分布拟合曲线，然后根据拟
合得到的峰度高斯分布拟合曲线获得κ的拟合值，记为fκ，
通过对 中的所有色调映射图像各自中的所有像素点的像素值的熵进行高斯
分布拟合，拟合得到 中的所有色调映射图像的熵高斯分布拟合曲线，然后根据
拟合得到的熵高斯分布拟合曲线获得η的拟合值，记为fη，
其中，μρ和σρ表示均值高斯分布拟合曲线的参数值，exp()表示以自然基数e为底的指数函
数，μδ和σδ表示标准差高斯分布拟合曲线的参数值，μθ和σθ表示偏度高斯分布拟合曲线的参数值，μκ和λκ表示峰度高斯分布拟合曲线的参数值，μη和ση表示熵高斯分布拟合曲线的参数值；
①_2c、将fρ、fδ、fθ、fκ和fη按序排列，得到 其中，符号“[]”
为矢量表示符号；
①_3、计算 中的每幅色调映射图像的颜色统计特征矢量，将 的颜色
统计特征矢量记为 其中， 的维数为18×1；
①_4、将 中的每幅色调映射图像的自然场景统计特征矢量和颜色统计
特征矢量构成 中的每幅色调映射图像的全局特征矢量，将 的全局特征
矢量记为Fk， 其中，Fk的维数为23×1，符号“[]”为矢量表示符号，
表示将 和 连接起来形成一个全局特征矢量；
①_5、将 中的所有色调映射图像各自的全局特征矢量和平均主观评分
差值构成训练样本数据集合，训练样本数据集合中包含N个全局特征矢量和N个平均主观评
分差值；然后采用支持向量回归作为机器学习的方法，对训练样本数据集合中的所有全局
特征矢量进行训练，使得经过训练得到的回归函数值与平均主观评分差值之间的误差最
小，拟合得到最优的权重矢量wopt和最优的偏置项bopt；接着利用最优的权重矢量wopt和最优
的偏置项bopt，构造质量预测模型，记为f(F)， 其中，f()为函数表示
形式，F用于表示色调映射图像的全局特征矢量，且作为质量预测模型的输入矢量，(wopt)T
为wopt的转置， 为F的线性函数；
所述的测试阶段过程的具体步骤为：
②对于任意一幅用作测试的色调映射图像Itest，按照步骤①_2至步骤①_4相同的操作，
获取Itest的全局特征矢量，记为Ftest；然后根据训练阶段构造的质量预测模型对Ftest进行测
试，预测得到Ftest对应的预测值，将该预测值作为Itest的质量客观评价预测值，记为Qtest，
其中，Itest的宽度为W'，且高度为H'，Ftest的维数为23×1， 表
示Ftest的线性函数。

2.根据权利要求1所述的一种基于全局特征的色调映射图像质量客观评价方法，其特
征在于所述的步骤①_3中的 的获取过程为：
①_3a、将 在RGB颜色空间的三个分量分别记为{Rk(x,y)}、{Gk(x,y)}和{Bk(x,y)}，
其中，1≤x≤W,1≤y≤H，Rk(x,y)表示{Rk(x,y)}中坐标位置为(x,y)的像素点的像素值，Gk
(x,y)表示{Gk(x,y)}中坐标位置为(x,y)的像素点的像素值，Bk(x,y)表示{Bk(x,y)}中坐标
位置为(x,y)的像素点的像素值；
①_3b、对{Rk(x,y)}进行归一化操作，将{Rk(x,y)}经归一化操作后得到的图像记为
将 中坐标位置为(x ,y)的像素点的像素值记为
并对{Gk(x,y)}进行归一化操作，将{Gk(x,y)}经归一化操作后得到
的图像记为 将 中坐标位置为(x,y)的像素点的像素值记为
对{Bk(x,y)}进行归一化操作，将{Bk(x,y)}经归一化操作后得到的
图像记为 将 中坐标位置为(x,y)的像素点的像素值记为
其中， 表示{Rk(x,y)}中的所有像素点的像素值的均值，
表示{Rk(x ,y)}中的所有像素点的像素值的标准差，
表示{Gk(x,y)}中的所有像素点的像素值的均值，
表示{Gk(x,y)}中的所有像素点的像素值的标准差，
表示{Bk(x,y)}中的所有像素点的像素值的均值，
表示{Bk(x,y)}中的所有像素点的像素值的标准差，
①_3c、采用广义高斯分布模型对 的颜色分布进行拟合，拟合得到 的
拟合曲线，记为gR(h)， 并采用广义高斯分布模型对
的颜色分布进行拟合，拟合得到 的拟合曲线，记为gG(h)，
采用广义高斯分布模型对 的颜色分布进
行拟合，拟合得到 的拟合曲线，记为gB(h)，
其中，0≤h≤255，αR表示拟合曲线gR(h)的尺度参数，βR表示拟合曲线gR(h)的形状参数，exp
()表示以自然基数e为底的指数函数，符号“| |”为取绝对值符号，
t为积分变量，αG表示拟合曲线gG(h)的尺度参数，βG表示拟合曲线gG(h)的形状参数，
αB表示拟合曲线gB(h)的尺度参数，βB表示拟合曲线gB(h)的形状参
数，
①_3d、将 在CIELAB颜色空间的三个分量分别记为{Lk(x,y)}、{ak(x,y)}和{bk(x,
y)}，其中，Lk(x,y)表示{Lk(x,y)}中坐标位置为(x,y)的像素点的像素值，ak(x,y)表示{ak
(x,y)}中坐标位置为(x,y)的像素点的像素值，bk(x,y)表示{bk(x,y)}中坐标位置为(x,y)
的像素点的像素值；
①_3e、对{Lk(x,y)}进行归一化操作，将{Lk(x,y)}经归一化操作后得到的图像记为
将 中坐标位置为(x,y)的像素点的像素值记为
并对{ak(x,y)}进行归一化操作，将{ak(x,y)}经归一化操作后得到
的图像记为 将 中坐标位置为(x,y)的像素点的像素值记为
对{bk(x,y)}进行归一化操作，将{bk(x,y)}经归一化操作后得到的
图像记为 将 中坐标位置为(x,y)的像素点的像素值记为
其中， 表示 中的所有像素点的像素值的均值，
表示{Lk(x ,y)}中的所有像素点的像素值的标准差，
表示{ak(x,y)}中的所有像素点的像素值的均值，
表示{ak(x,y)}中的所有像素点的像素值的标准差，
表示{bk(x,y)}中的所有像素点的像素值的均值，
表示{bk(x ,y)}中的所有像素点的像素值的标准差，
①_3f、采用广义高斯分布模型对 的颜色分布进行拟合，拟合得到 的
拟合曲线，记为gL(h)， 并采用广义高斯分布模型对
的颜色分布进行拟合，拟合得到 的拟合曲线，记为ga(h)，
采用广义高斯分布模型对 的颜色分布进行
拟合，拟合得到 的拟合曲线，记为gb(h)， 其
中，αL表示拟合曲线gL(h)的尺度参数，βL表示拟合曲线gL(h)的形状参数，
αa表示拟合曲线ga(h)的尺度参数，βa表示拟合曲线ga(h)的形状参
数， αb表示拟合曲线gb(h)的尺度参数，βb表示拟合曲线gb(h)的形状
参数，
①_3g、将 在YCbCr颜色空间的三个分量分别记为{Yk(x,y)}、{Uk(x,y)}和{Vk(x,
y)}，其中，Yk(x,y)表示{Yk(x,y)}中坐标位置为(x,y)的像素点的像素值，Uk(x,y)表示{Uk
(x,y)}中坐标位置为(x,y)的像素点的像素值，Vk(x,y)表示{Vk(x,y)}中坐标位置为(x,y)
的像素点的像素值；
①_3h、对{Yk(x,y)}进行归一化操作，将{Yk(x,y)}经归一化操作后得到的图像记为
将 中坐标位置为(x ,y)的像素点的像素值记为
并对{Uk(x,y)}进行归一化操作，将{Uk(x,y)}经归一化操作后得到
的图像记为 将 中坐标位置为(x,y)的像素点的像素值记为
对{Vk(x,y)}进行归一化操作，将{Vk(x,y)}经归一化操作后得到的
图像记为 将 中坐标位置为(x,y)的像素点的像素值记为
其中， 表示{Yk(x,y)}中的所有像素点的像素值的均值，
表示{Yk(x,y)}中的所有像素点的像素值的标准差，
表示{Uk(x,y)}中的所有像素点的像素值的均值，
表示{Uk(x,y)}中的所有像素点的像素值的标准差，
表示{Vk(x,y)}中的所有像素点的像素值的均值，
表示{Vk(x ,y)}中的所有像素点的像素值的标准差，
①_3i、采用广义高斯分布模型对 的颜色分布进行拟合，拟合得到 的
拟合曲线，记为gY(h)， 并采用广义高斯分布模型对
的颜色分布进行拟合，拟合得到 的拟合曲线，记为gU(h)，
采用广义高斯分布模型对 的颜色分布进行
拟合，拟合得到 的拟合曲线，记为gV(h)， 其
中，αY表示拟合曲线gY(h)的尺度参数，βY表示拟合曲线gY(h)的形状参数，
αU表示拟合曲线gU(h)的尺度参数，βU表示拟合曲线gU(h)的形状参
数， αV表示拟合曲线gV(h)的尺度参数，βV表示拟合曲线gV(h)的形状
参数，
①_3j、将αR、βR、αG、βG、αB、βB、αL、βL、αa、βa、αb、βb、αY、βY、αU、βU、αV和βV按序排列，得到其中，符号“[]”为矢
量表示符号。