[发明专利]一种基于自然场景的无参考高动态图像质量评价算法

说明书

技术领域

本发明涉及图像质量评价技术，特别是涉及一种无参考的高动态图像质量评价算法。

背景技术

自然界中的场景都有着非常大的动态范围，最亮的物体亮度和最暗的物体亮度之比为10⁸cd/m²，而人类眼睛所能看到的范围是10⁵cd/m²左右。但是，传统的电视系统提供标准的动态范围(SDR)大约为1000:1(最亮和最暗的亮度之间的比例)，与人眼所能感知的范围相差甚远，导致了人眼最终所感知到的画面层次感较差，大量细节丢失。

高动态范围(High Dynamic Range，HDR)图像能够记录具有很高亮度动态范围的景象，更加符合人眼视觉特性。HDR能够很好的解决电视显示问题，使色彩更加饱满和真实，色调的渐变也更加细腻。与低动态范围(Low Dynamic Range，LDR)图像类似，HDR图像在获取、处理、压缩、存储和传输时也会存在不同程度的失真，这些失真会影响HDR图像的视觉效果。因此，为保证系统能够提供良好的视觉体验，对HDR图像质量的评估是至关重要的。

由于HDR图像有着更大的动态范围，目前应用于LDR图像的典型质量评价算法，如依赖于输入像素值之间的感知线性度，没有考虑亮度掩蔽等因素的PSNR、SSIM评价算法，并不能很好的评价HDR图像质量。

主观的图像质量评价方法需针对多个测试图像进行多次重复实验，耗时多、费用高，难以操作，所以需要一种客观的图像质量评价方法。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(FR)、半参考(RR)和无参考(NR)。根据韦伯定律，人类视觉系统(HVS)对光亮度值的敏感性近似于一个对数函数。为了扩展LDR指标的应用范围，并考虑HVS的敏感性，Aydin等人已经提出了感知一致(Perceptually Uniform，PU)编码的方法，将HDR图像转换为LDR，结合已经存在的LDR全参考算法对图像进行评价。Mantiuk等人通过合理地模拟HVS，建立一系列人眼视觉模型，综合HDR图像的亮度和对比度特征，提出了视觉差异预测方法HDR-VDP-2及其权重修正的HDR-VDP-2.2算法。由于HDR-VDP-2及HDR-VDP-2.2评价方法适应自然界图像的所有亮度范围，很好地模拟了人类对HDR图像的高亮度范围的感知，所以该评价方法得到了广泛的应用。

发明内容

借鉴现有技术中Aydin等人提出的PU编码的方法，本发明提出一种基于自然场景的无参考HDR图像质量评价算法，将HDR图像降为LDR图像，根据HVS特性和自然场景统计特性(NSS)，构造一系列质量感知特征，并将这些特征拟合到多元高斯(MVG)模型上，进而对HDR图像进行评价。

本发明的一种基于自然场景的无参考高动态图像质量评价算法，该方法包括以下步骤：

第一步：对HDR图像进行PU编码，获得对应LDR图像；

首先，计算HDR图像的对比与强度cvi，计算公式如下：

其中，CSF表示对比度函数，X表示除了适应亮度L_α和背景亮度L之外的所有影响HVS的参数；MA()函数为灵敏度损失估计计算函数；

基于两个假设：假设人眼存在最小的适应亮度水平L_α-min；假设眼睛适应了高于L_α-min的所有亮度水平，将检验阈值估计值计算公式表示如下：

t(L)＝cvi(L,max(L,L_α-min)) (2)

采用递归公式寻找映射关系。递归公式如下：

f_i＝f_i-1(1+t(f_i-1)) f:L_m’→L_m,i∈[2...N] (3)