[发明专利]基于张量域曲率分析的高动态范围图像质量评价方法

说明书

本发明提供了一种基于张量域曲率分析的高动态范围图像质量评价方法，该方法中的张量分解可以保持HDR图像绝大多数颜色信息，而曲率分析可以提取HDR图像的结构信息；通过张量分解和曲率分析的结合来构造一个有效的特征集，用来表征HDR图像块的不同失真程度；随后HDR图像的局部特征从利用特征集和带标签的稀疏字典重建得到的标签矩阵中提取；最终，通过聚合HDR图像的局部特征和全局特征得到图像的预测质量。本发明方法在二个公开的数据库进行测试，实验结果表明，其性能指标均优于其它无参考度量，这意味着本发明与人类视觉感知的一致性较高。

技术领域

本发明涉及高动态范围图像质量评价技术领域，尤其涉及一种基于张量域曲率分析的高动态范围图像质量评价方法。

背景技术

人们获取信息的来源中，数字视觉信息占大多数，如高清电视，互联网视频流，视频会议等，因此有必要用一些方法来评估接收到的视觉信息的质量，尤其是目前已成为一大发展趋势的高动态范围信息，高动态范围(High DynamicRange)，简称HDR信息。HDR图像与低动态范围图像的不同之处在于高动态范围图像没有限定的最大与最小亮度值，其亮度值与现实场景的物理亮度值成线性关系。因此，HDR图像在高曝光区域与低曝光区域可以提供更丰富的色彩以及更真实的场景。此时，将针对传统图像的质量评价方法直接用于评价HDR图像显然是不适用的。Hanhartet等人测试了35种客观质量评价方法，其中有33种是低动态范围图像质量评价方法，实验结果表明现有的低动态范围图像质量评价方法不能直接用于评价高动态范围图像；实验结果还表明在使用低动态范围图像质量评价方法之前对图像的亮度信息用人类视觉感知模型先进行处理，能取得较好的结果；然而对于不同图像质量评价方法，不同的视觉感知模型起到的效果很不一致。

图像质量评价方法中针对HDR图像的全参考质量评价方法取得了令人满意的结果，其中最具代表性的方法之一是HDR-VDP。Mantiuket等人考虑光的散射，亮度的非线性响应，局部自适应等过程来构建该模型，其结果采用三幅彩色图像表明HDR图像的失真区域以及失真程度。为了得到更为直观的预测结果，Mantiuket等人提出了图像质量评价方法HDR-VDP-2。图像质量评价方法HDR-VDP-2是在HDR-VDP的基础上加入了基于频率的聚合策略过程。为了优化图像质量评价方法HDR-VDP-2聚合策略中的聚合权值，Narwaria等人进一步提出了图像质量评价方法HDR-VDP-2.2(高动态范围视觉差异预测)。图像质量评价方法HDR-VDP-2.2可以提供更为准确地预测质量。Aydin等人提出的动态范围独立度量(DRIM)也被用于HDR图像质量评价，取得较好的效果，但其也采用三幅彩色图像表明图像的失真区域以及失真程度，难以采用一个直观的数值来解释。通过对观看视频时人眼的自适应行为进行时空分析，Narwaria等人提出了高动态范围视频质量评价方法视觉差异度量(HDR-VQM)，也可用于HDR图像质量评估。然而，上述的HDR图像质量评价方法均只考虑亮度信息，且它们都是全参考图像评价方法，在评价过程中需要用到参考图像。

由于上述提到的全参考图像质量评价方法要求必须有参考图像与失真图像进行比较，然而在许多应用中，参考图像是不可获取或者不存在的，该要求限制了全参考图像质量评价方法的使用范围，因此需要引入针对HDR图像的无参考图像质量评价方法。

发明内容

本发明提供了一种基于张量域曲率分析的高动态范围图像质量评价方法，该方法中无需参考图像便能计算出待评价图像的客观质量评价值Q，Q越大，则表示图像质量越好。

本发明所采用的技术方案是，一种基于张量域曲率分析的高动态范围图像质量评价方法，其特征在于，包括以下步骤：