[发明专利]一种图像曝光度无参考质量评价方法

说明书

一种图像曝光度无参考评价方法：首先建立图像曝光度数据集，数据集中的图像具有不同的曝光等级与相应的曝光度人工评分；其中，基于曝光适宜的高质量图像生成的具有不同曝光等级的合成图像，作为训练集合训练合适的回归神经网络，得到图像曝光度评价模型；对于实地采集的真实图像即测试图像，输入图像曝光度评价模型即可得到测试图像的曝光度客观评价分数。其可较好地克服现有评价方法泛化能力弱的问题，满足实际应用对图像曝光度无参考质量评价的要求，可广泛应用于图像压缩、图像存储、图像通信、图像检测等领域。

技术领域

本发明属于图像处理技术领域，涉及图像质量的评测。

背景技术

曝光是在摄影过程中允许落在摄影介质上的总通光量，而曝光不当往往会降低采集图像的质量，这里的曝光失真被理解为由于曝光不当引起的整体质量下降。在许多工业领域中，一种能够准确地评价图像曝光等级的方法是非常需要的，例如：几乎所有的现代数码相机都能在“自动曝光”模式下工作，当用户使用这种模式拍摄图像时，相机将通过特定的自动曝光算法自动调整相关的硬件参数(如光圈、快门速度、电子增益等)使图像具有适当的曝光水平。显然，为了验证自动曝光算法的性能，一种能够精确评价获得图像的曝光等级的方法是必不可少的。另一个常见的例子是视频监控。对于视频监控来说，照明条件超出了相机的适应能力是很常见的，因此，对采集到的视频的曝光等级进行连续监测以确定其质量是十分必要的。

目前，常用的确定图像曝光等级的方法是完全基于摄影师经验，这种方法具有准确、有效等优点，但只能测试有限数量的图像样本，且费时费力，在需要实时检测曝光等级的系统中无法实现。因此，有必要建立一种能够客观地、自动地评价图像曝光等级的方法。

实际上，在图像曝光度无参考质量评价领域中，相关算法十分稀少，且均基于一个共同的经验假设，即图像的直方图在某种程度上可以反映图像的曝光等级。在这个假设中，曝光适宜的图像的直方图横跨整个亮度范围，分布较为平滑，而曝光过度与曝光不足的图像的直方图则会分别向亮部和暗部的一边偏移，曝光失真程度越大，偏移越明显。基于这一假设的代表方法有：“M.Liu,P.Yuan,and R.S.Turner,``Automatic analysis andadjustment of digital images with exposure problems,”US Patent,Sep.2004.”即“曝光图像的自动化分析与校正”：此专利首先提取了图像直方图的三个属性，即中心、质心、以及有效宽度，再通过预先设定的规则确定图像的曝光等级；“M.Rychagov andS.Efimov,``Image processing device to determine image quality and methodthereof,”US Patent,Feb.2007.”即“用于确定图像质量的图像处理装置及其方法”：此专利通过比较图像直方图的均值与预先设定的阈值确定图像的曝光等级；“P.Romaniak,L.Janowski,M.Leszczuk,and Z.Papir,``A no reference metric for the qualityassessment of videos affected by exposure distortion,”in Proc.IEEEInt.Conf.Multimedia.Expo.,Jul.2011.”即“曝光度失真视频质量无参考度量算法”此算法首先对图像分块并计算各块的亮度均值，选取均值最大的三个块计算平均亮度作为上界，选取均值最小的三个块计算平均亮度作为下界，那么图像的曝光等级则为上界与下界的均值。尽管这些方法在一定程度上可以反映图像的曝光等级，但由于它们均基于图像直方图假设，因此有一个共同的缺陷——易受图像内容的影响，当图像内容严重影响到图像直方图的分布时，基于图像直方图假设的算法将不再有效。换言之，目前图像曝光度的无参考质量评价方法研究难点在于设计一种具有场景一致性的算法。

发明内容

本发明的目的在于提供一种基于神经网络的图像曝光度无参考评价方法，其解决了传统图像曝光度度量领域标准数据集缺乏、度量算法易受图像内容影响的缺点，满足实际应用对图像曝光度无参考质量评价方法的要求。