[发明专利]一种图像曝光度无参考质量评价方法

摘要

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。

主权项

1.一种图像曝光度无参考质量评价方法，其特征在于，包括以下步骤：(一)建立图像曝光度数据集，数据集中包含具有不同曝光等级的图像，及其相应的曝光度人工评分，以作为神经网络训练与测试集合：(a)在N_Place种不同的拍摄场景下，对每一个拍摄场景采集N_Expo张具有不同曝光等级的图像，采集得到N_Real张具有不同曝光等级的真实图像；其中N_Real的数值为N_Place与N_Expo的乘积，即N_Real＝N_Place×N_Expo；(b)从网络上收集M_Origin张曝光度适宜的高质量图像，选取其中M_Select张作为源图像，设定M_Expo种曝光等级，通过合成图像生成模型得到M_Syn即M_Select×M_Expo张具有不同曝光等级的合成图像；(c)在单刺激法的实验设置下，通过人工主观评价，对N_Real张具有不同曝光等级的真实图像、M_Syn张具有不同曝光等级的合成图像进行曝光度评价，再通过评分后处理得到最终的图像曝光度人工评分；(二)训练通用神经网络得到图像曝光度评分模型：(I)选择神经网络模型改写成为回归模型，记为IEMNN，其中“NN”代指具体的网络模型，改写后的模型损失函数为：其中W为网络权重，λ为正则项参数，Ij与sj分别为第j个训练图像及其曝光度评分，‖W‖F返回W的Frobenius范数，N为训练图像集合的个数；(II)使用M_Syn张合成图像及其曝光度评分作为训练图像集合，得到图像曝光度评价模型；(三)对于任意测试图像，输入图像曝光度评价模型，即可得到最终图像曝光度客观评价分数；使用N_Real张真实图像及其曝光度评分作为测试图像集合，即可验证图像曝光度评价模型的有效性。