亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種基于全局特征的色調(diào)映射圖像質(zhì)量客觀評價方法與流程

文檔序號:11437374閱讀:170來源:國知局
本發(fā)明涉及一種圖像質(zhì)量評價方法,尤其是涉及一種基于全局特征的色調(diào)映射圖像質(zhì)量客觀評價方法。
背景技術(shù)
:隨著顯示技術(shù)的快速發(fā)展,高動態(tài)范圍圖像(hdr)已越來越受到關(guān)注。高動態(tài)范圍圖像的層次豐富,可以達到遠比普通圖像更逼近現(xiàn)實的光影效果。然而,傳統(tǒng)的顯示設(shè)備只能支持低動態(tài)范圍的顯示輸出。為了解決真實場景和傳統(tǒng)的顯示設(shè)備的動態(tài)范圍不匹配的矛盾,目前提出了許多高動態(tài)范圍圖像的色調(diào)映射(tonemapping)算法。高動態(tài)范圍圖像的色調(diào)映射算法的目標(biāo)是將高動態(tài)范圍圖像的亮度壓縮到傳統(tǒng)的顯示設(shè)備可以接受的范圍,同時盡可能保留原圖的細節(jié)信息,并避免造成圖像瑕疵。因此,如何準(zhǔn)確、客觀地評價不同色調(diào)映射方法的性能,對指導(dǎo)內(nèi)容制作和后期處理具有十分重要的作用。而對于色調(diào)映射圖像質(zhì)量評價而言,如果直接將現(xiàn)有的圖像質(zhì)量評價方法應(yīng)用于色調(diào)映射圖像,則由于色調(diào)映射圖像只有高動態(tài)范圍圖像作為參考,因此會導(dǎo)致無法精確預(yù)測得到客觀評價值。因此,如何在評價過程中有效地提取出視覺特征,使得客觀評價結(jié)果更加感覺符合人類視覺系統(tǒng),是在對色調(diào)映射圖像進行客觀質(zhì)量評價過程中需要研究解決的問題。技術(shù)實現(xiàn)要素:本發(fā)明所要解決的技術(shù)問題是提供一種基于全局特征的色調(diào)映射圖像質(zhì)量客觀評價方法,其能夠有效地提高客觀評價結(jié)果與主觀感知之間的相關(guān)性。本發(fā)明解決上述技術(shù)問題所采用的技術(shù)方案為:一種基于全局特征的色調(diào)映射圖像質(zhì)量客觀評價方法,其特征在于包括訓(xùn)練階段和測試階段兩個過程;所述的訓(xùn)練階段過程的具體步驟為:①_1、選取n幅色調(diào)映射圖像構(gòu)成訓(xùn)練圖像集,記為其中,n>1,1≤k≤n,表示中的第k幅色調(diào)映射圖像,中的每幅色調(diào)映射圖像的寬度為w,且高度為h;①_2、計算中的每幅色調(diào)映射圖像的自然場景統(tǒng)計特征矢量,將的自然場景統(tǒng)計特征矢量記為其中,的維數(shù)為5×1;①_3、計算中的每幅色調(diào)映射圖像的顏色統(tǒng)計特征矢量,將的顏色統(tǒng)計特征矢量記為其中,的維數(shù)為18×1;①_4、將中的每幅色調(diào)映射圖像的自然場景統(tǒng)計特征矢量和顏色統(tǒng)計特征矢量構(gòu)成中的每幅色調(diào)映射圖像的全局特征矢量,將的全局特征矢量記為fk,其中,fk的維數(shù)為23×1,符號“[]”為矢量表示符號,表示將和連接起來形成一個全局特征矢量;①_5、將中的所有色調(diào)映射圖像各自的全局特征矢量和平均主觀評分差值構(gòu)成訓(xùn)練樣本數(shù)據(jù)集合,訓(xùn)練樣本數(shù)據(jù)集合中包含n個全局特征矢量和n個平均主觀評分差值;然后采用支持向量回歸作為機器學(xué)習(xí)的方法,對訓(xùn)練樣本數(shù)據(jù)集合中的所有全局特征矢量進行訓(xùn)練,使得經(jīng)過訓(xùn)練得到的回歸函數(shù)值與平均主觀評分差值之間的誤差最小,擬合得到最優(yōu)的權(quán)重矢量wopt和最優(yōu)的偏置項bopt;接著利用最優(yōu)的權(quán)重矢量wopt和最優(yōu)的偏置項bopt,構(gòu)造質(zhì)量預(yù)測模型,記為f(f),其中,f()為函數(shù)表示形式,f用于表示色調(diào)映射圖像的全局特征矢量,且作為質(zhì)量預(yù)測模型的輸入矢量,(wopt)t為wopt的轉(zhuǎn)置,為f的線性函數(shù);所述的測試階段過程的具體步驟為:②對于任意一幅用作測試的色調(diào)映射圖像itest,按照步驟①_2至步驟①_4相同的操作,獲取itest的全局特征矢量,記為ftest;然后根據(jù)訓(xùn)練階段構(gòu)造的質(zhì)量預(yù)測模型對ftest進行測試,預(yù)測得到ftest對應(yīng)的預(yù)測值,將該預(yù)測值作為itest的質(zhì)量客觀評價預(yù)測值,記為qtest,其中,itest的寬度為w',且高度為h',ftest的維數(shù)為23×1,表示ftest的線性函數(shù)。所述的步驟①_2中的的獲取過程為:①_2a、計算中的每幅色調(diào)映射圖像中的所有像素點的像素值的均值,將中的所有像素點的像素值的均值記為ρ,然后計算中的每幅色調(diào)映射圖像中的所有像素點的像素值的標(biāo)準(zhǔn)差,將中的所有像素點的像素值的標(biāo)準(zhǔn)差記為δ,接著計算中的每幅色調(diào)映射圖像中的所有像素點的像素值的偏度,將中的所有像素點的像素值的偏度記為θ,并計算中的每幅色調(diào)映射圖像中的所有像素點的像素值的峰度,將中的所有像素點的像素值的峰度記為κ,再計算中的每幅色調(diào)映射圖像中的所有像素點的像素值的熵,將中的所有像素點的像素值的熵記為η,其中,1≤x≤w,1≤y≤h,表示中坐標(biāo)位置為(x,y)的像素點的像素值,0≤g≤255,pg表示中的所有像素點的像素值中屬于第g個密度值的概率密度函數(shù)值,①_2b、通過對中的所有色調(diào)映射圖像各自中的所有像素點的像素值的均值進行高斯分布擬合,擬合得到中的所有色調(diào)映射圖像的均值高斯分布擬合曲線,然后根據(jù)擬合得到的均值高斯分布擬合曲線獲得ρ的擬合值,記為fρ,同樣,通過對中的所有色調(diào)映射圖像各自中的所有像素點的像素值的標(biāo)準(zhǔn)差進行高斯分布擬合,擬合得到中的所有色調(diào)映射圖像的標(biāo)準(zhǔn)差高斯分布擬合曲線,然后根據(jù)擬合得到的標(biāo)準(zhǔn)差高斯分布擬合曲線獲得δ的擬合值,記為fδ,通過對中的所有色調(diào)映射圖像各自中的所有像素點的像素值的偏度進行高斯分布擬合,擬合得到中的所有色調(diào)映射圖像的偏度高斯分布擬合曲線,然后根據(jù)擬合得到的偏度高斯分布擬合曲線獲得θ的擬合值,記為fθ,通過對中的所有色調(diào)映射圖像各自中的所有像素點的像素值的峰度進行高斯分布擬合,擬合得到中的所有色調(diào)映射圖像的峰度高斯分布擬合曲線,然后根據(jù)擬合得到的峰度高斯分布擬合曲線獲得κ的擬合值,記為fκ,通過對中的所有色調(diào)映射圖像各自中的所有像素點的像素值的熵進行高斯分布擬合,擬合得到中的所有色調(diào)映射圖像的熵高斯分布擬合曲線,然后根據(jù)擬合得到的熵高斯分布擬合曲線獲得η的擬合值,記為fη,其中,μρ和σρ表示均值高斯分布擬合曲線的參數(shù)值,exp()表示以自然基數(shù)e為底的指數(shù)函數(shù),μδ和σδ表示標(biāo)準(zhǔn)差高斯分布擬合曲線的參數(shù)值,μθ和σθ表示偏度高斯分布擬合曲線的參數(shù)值,μκ和λκ表示峰度高斯分布擬合曲線的參數(shù)值,μη和ση表示熵高斯分布擬合曲線的參數(shù)值;①_2c、將fρ、fδ、fθ、fκ和fη按序排列,得到其中,符號“[]”為矢量表示符號。所述的步驟①_3中的的獲取過程為:①_3a、將在rgb顏色空間的三個分量分別記為{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)}中坐標(biāo)位置為(x,y)的像素點的像素值,gk(x,y)表示{gk(x,y)}中坐標(biāo)位置為(x,y)的像素點的像素值,bk(x,y)表示{bk(x,y)}中坐標(biāo)位置為(x,y)的像素點的像素值;①_3b、對{rk(x,y)}進行歸一化操作,將{rk(x,y)}經(jīng)歸一化操作后得到的圖像記為將中坐標(biāo)位置為(x,y)的像素點的像素值記為并對{gk(x,y)}進行歸一化操作,將{gk(x,y)}經(jīng)歸一化操作后得到的圖像記為將中坐標(biāo)位置為(x,y)的像素點的像素值記為對{bk(x,y)}進行歸一化操作,將{bk(x,y)}經(jīng)歸一化操作后得到的圖像記為將中坐標(biāo)位置為(x,y)的像素點的像素值記為其中,表示{rk(x,y)}中的所有像素點的像素值的均值,表示{rk(x,y)}中的所有像素點的像素值的標(biāo)準(zhǔn)差,表示{gk(x,y)}中的所有像素點的像素值的均值,表示{gk(x,y)}中的所有像素點的像素值的標(biāo)準(zhǔn)差,表示{bk(x,y)}中的所有像素點的像素值的均值,表示{bk(x,y)}中的所有像素點的像素值的標(biāo)準(zhǔn)差,①_3c、采用廣義高斯分布模型對的顏色分布進行擬合,擬合得到的擬合曲線,記為gr(h),并采用廣義高斯分布模型對的顏色分布進行擬合,擬合得到的擬合曲線,記為gg(h),采用廣義高斯分布模型對的顏色分布進行擬合,擬合得到的擬合曲線,記為gb(h),其中,0≤h≤255,αr表示擬合曲線gr(h)的尺度參數(shù),βr表示擬合曲線gr(h)的形狀參數(shù),exp()表示以自然基數(shù)e為底的指數(shù)函數(shù),符號“||”為取絕對值符號,t為積分變量,αg表示擬合曲線gg(h)的尺度參數(shù),βg表示擬合曲線gg(h)的形狀參數(shù),αb表示擬合曲線gb(h)的尺度參數(shù),βb表示擬合曲線gb(h)的形狀參數(shù),①_3d、將在cielab顏色空間的三個分量分別記為{lk(x,y)}、{ak(x,y)}和{bk(x,y)},其中,lk(x,y)表示{lk(x,y)}中坐標(biāo)位置為(x,y)的像素點的像素值,ak(x,y)表示{ak(x,y)}中坐標(biāo)位置為(x,y)的像素點的像素值,bk(x,y)表示{bk(x,y)}中坐標(biāo)位置為(x,y)的像素點的像素值;①_3e、對{lk(x,y)}進行歸一化操作,將{lk(x,y)}經(jīng)歸一化操作后得到的圖像記為將中坐標(biāo)位置為(x,y)的像素點的像素值記為并對{ak(x,y)}進行歸一化操作,將{ak(x,y)}經(jīng)歸一化操作后得到的圖像記為將中坐標(biāo)位置為(x,y)的像素點的像素值記為對{bk(x,y)}進行歸一化操作,將{bk(x,y)}經(jīng)歸一化操作后得到的圖像記為將中坐標(biāo)位置為(x,y)的像素點的像素值記為其中,表示{lk(x,y)}中的所有像素點的像素值的均值,表示{lk(x,y)}中的所有像素點的像素值的標(biāo)準(zhǔn)差,表示{ak(x,y)}中的所有像素點的像素值的均值,表示{ak(x,y)}中的所有像素點的像素值的標(biāo)準(zhǔn)差,表示{bk(x,y)}中的所有像素點的像素值的均值,表示{bk(x,y)}中的所有像素點的像素值的標(biāo)準(zhǔn)差,①_3f、采用廣義高斯分布模型對的顏色分布進行擬合,擬合得到的擬合曲線,記為gl(h),并采用廣義高斯分布模型對的顏色分布進行擬合,擬合得到的擬合曲線,記為ga(h),采用廣義高斯分布模型對的顏色分布進行擬合,擬合得到的擬合曲線,記為gb(h),其中,αl表示擬合曲線gl(h)的尺度參數(shù),βl表示擬合曲線gl(h)的形狀參數(shù),αa表示擬合曲線ga(h)的尺度參數(shù),βa表示擬合曲線ga(h)的形狀參數(shù),αb表示擬合曲線gb(h)的尺度參數(shù),βb表示擬合曲線gb(h)的形狀參數(shù),①_3g、將在ycbcr顏色空間的三個分量分別記為{yk(x,y)}、{uk(x,y)}和{vk(x,y)},其中,yk(x,y)表示{yk(x,y)}中坐標(biāo)位置為(x,y)的像素點的像素值,uk(x,y)表示{uk(x,y)}中坐標(biāo)位置為(x,y)的像素點的像素值,vk(x,y)表示{vk(x,y)}中坐標(biāo)位置為(x,y)的像素點的像素值;①_3h、對{yk(x,y)}進行歸一化操作,將{yk(x,y)}經(jīng)歸一化操作后得到的圖像記為將中坐標(biāo)位置為(x,y)的像素點的像素值記為并對{uk(x,y)}進行歸一化操作,將{uk(x,y)}經(jīng)歸一化操作后得到的圖像記為將中坐標(biāo)位置為(x,y)的像素點的像素值記為對{vk(x,y)}進行歸一化操作,將{vk(x,y)}經(jīng)歸一化操作后得到的圖像記為將中坐標(biāo)位置為(x,y)的像素點的像素值記為其中,表示{yk(x,y)}中的所有像素點的像素值的均值,表示{yk(x,y)}中的所有像素點的像素值的標(biāo)準(zhǔn)差,表示{uk(x,y)}中的所有像素點的像素值的均值,表示{uk(x,y)}中的所有像素點的像素值的標(biāo)準(zhǔn)差,表示{vk(x,y)}中的所有像素點的像素值的均值,表示{vk(x,y)}中的所有像素點的像素值的標(biāo)準(zhǔn)差,①_3i、采用廣義高斯分布模型對的顏色分布進行擬合,擬合得到的擬合曲線,記為gy(h),并采用廣義高斯分布模型對的顏色分布進行擬合,擬合得到的擬合曲線,記為gu(h),采用廣義高斯分布模型對的顏色分布進行擬合,擬合得到的擬合曲線,記為gv(h),其中,αy表示擬合曲線gy(h)的尺度參數(shù),βy表示擬合曲線gy(h)的形狀參數(shù),αu表示擬合曲線gu(h)的尺度參數(shù),βu表示擬合曲線gu(h)的形狀參數(shù),αv表示擬合曲線gv(h)的尺度參數(shù),βv表示擬合曲線gv(h)的形狀參數(shù),①_3j、將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,符號“[]”為矢量表示符號。與現(xiàn)有技術(shù)相比,本發(fā)明的優(yōu)點在于:本發(fā)明方法考慮了自然場景統(tǒng)計特征和顏色統(tǒng)計特征對色調(diào)映射的影響,提取出色調(diào)映射圖像的全局特征矢量,然后利用支持向量回歸對訓(xùn)練圖像集中的所有色調(diào)映射圖像的全局特征矢量進行訓(xùn)練,構(gòu)造質(zhì)量預(yù)測模型;在測試階段,通過計算用作測試的色調(diào)映射圖像的全局特征矢量,并根據(jù)訓(xùn)練階段構(gòu)造的質(zhì)量預(yù)測模型,預(yù)測得到該色調(diào)映射圖像的質(zhì)量客觀評價預(yù)測值,由于獲得的全局特征矢量信息具有較強的穩(wěn)定性,且能夠較好地反映色調(diào)映射圖像的質(zhì)量變化情況,因此有效地提高了客觀評價結(jié)果與主觀感知之間的相關(guān)性。附圖說明圖1為本發(fā)明方法的總體實現(xiàn)框圖。具體實施方式以下結(jié)合附圖實施例對本發(fā)明作進一步詳細描述。本發(fā)明提出的一種基于全局特征的色調(diào)映射圖像質(zhì)量客觀評價方法,其總體實現(xiàn)框圖如圖1所示,其包括訓(xùn)練階段和測試階段兩個過程。所述的訓(xùn)練階段過程的具體步驟為:①_1、選取n幅色調(diào)映射圖像構(gòu)成訓(xùn)練圖像集,記為其中,n>1,在本實施例中選取tmid數(shù)據(jù)庫中的120幅色調(diào)映射圖像、選取espl-live數(shù)據(jù)庫中的1811幅色調(diào)映射圖像,1≤k≤n,表示中的第k幅色調(diào)映射圖像,中的每幅色調(diào)映射圖像的寬度為w,且高度為h。①_2、計算中的每幅色調(diào)映射圖像的自然場景統(tǒng)計(scenenaturalness)特征矢量,將的自然場景統(tǒng)計特征矢量記為其中,的維數(shù)為5×1。在本實施例中,步驟①_2中的的獲取過程為:①_2a、計算中的每幅色調(diào)映射圖像中的所有像素點的像素值的均值,將中的所有像素點的像素值的均值記為ρ,然后計算中的每幅色調(diào)映射圖像中的所有像素點的像素值的標(biāo)準(zhǔn)差,將中的所有像素點的像素值的標(biāo)準(zhǔn)差記為δ,接著計算中的每幅色調(diào)映射圖像中的所有像素點的像素值的偏度,將中的所有像素點的像素值的偏度記為θ,并計算中的每幅色調(diào)映射圖像中的所有像素點的像素值的峰度,將中的所有像素點的像素值的峰度記為κ,再計算中的每幅色調(diào)映射圖像中的所有像素點的像素值的熵,將中的所有像素點的像素值的熵記為η,其中,1≤x≤w,1≤y≤h,表示中坐標(biāo)位置為(x,y)的像素點的像素值,0≤g≤255,pg表示中的所有像素點的像素值中屬于第g個密度值的概率密度函數(shù)值,①_2b、通過對中的所有色調(diào)映射圖像各自中的所有像素點的像素值的均值進行高斯分布擬合,擬合得到中的所有色調(diào)映射圖像的均值高斯分布擬合曲線,然后根據(jù)擬合得到的均值高斯分布擬合曲線獲得ρ的擬合值,記為fρ,同樣,通過對中的所有色調(diào)映射圖像各自中的所有像素點的像素值的標(biāo)準(zhǔn)差進行高斯分布擬合,擬合得到中的所有色調(diào)映射圖像的標(biāo)準(zhǔn)差高斯分布擬合曲線,然后根據(jù)擬合得到的標(biāo)準(zhǔn)差高斯分布擬合曲線獲得δ的擬合值,記為fδ,通過對中的所有色調(diào)映射圖像各自中的所有像素點的像素值的偏度進行高斯分布擬合,擬合得到中的所有色調(diào)映射圖像的偏度高斯分布擬合曲線,然后根據(jù)擬合得到的偏度高斯分布擬合曲線獲得θ的擬合值,記為fθ,通過對中的所有色調(diào)映射圖像各自中的所有像素點的像素值的峰度進行高斯分布擬合,擬合得到中的所有色調(diào)映射圖像的峰度高斯分布擬合曲線,然后根據(jù)擬合得到的峰度高斯分布擬合曲線獲得κ的擬合值,記為fκ,通過對中的所有色調(diào)映射圖像各自中的所有像素點的像素值的熵進行高斯分布擬合,擬合得到中的所有色調(diào)映射圖像的熵高斯分布擬合曲線,然后根據(jù)擬合得到的熵高斯分布擬合曲線獲得η的擬合值,記為fη,其中,μρ和σρ表示均值高斯分布擬合曲線的參數(shù)值,在本實施例中取μρ=121.70、σρ=36.11,exp()表示以自然基數(shù)e為底的指數(shù)函數(shù),μδ和σδ表示標(biāo)準(zhǔn)差高斯分布擬合曲線的參數(shù)值,在本實施例中取μδ=56.47、σδ=18.43,μθ和σθ表示偏度高斯分布擬合曲線的參數(shù)值,在本實施例中取μθ=0.15、σθ=0.89,μκ和λκ表示峰度高斯分布擬合曲線的參數(shù)值,在本實施例中取μκ=2.82、λκ=18.86,μη和ση表示熵高斯分布擬合曲線的參數(shù)值,在本實施例中取μη=7.56、ση=0.27。①_2c、將fρ、fδ、fθ、fκ和fη按序排列,得到其中,符號“[]”為矢量表示符號。①_3、計算中的每幅色調(diào)映射圖像的顏色統(tǒng)計(chromaticinformation)特征矢量,將的顏色統(tǒng)計特征矢量記為其中,的維數(shù)為18×1。在本實施例中,步驟①_3中的的獲取過程為:①_3a、將在rgb顏色空間的三個分量分別記為{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)}中坐標(biāo)位置為(x,y)的像素點的像素值,gk(x,y)表示{gk(x,y)}中坐標(biāo)位置為(x,y)的像素點的像素值,bk(x,y)表示{bk(x,y)}中坐標(biāo)位置為(x,y)的像素點的像素值。①_3b、對{rk(x,y)}進行歸一化操作,將{rk(x,y)}經(jīng)歸一化操作后得到的圖像記為將中坐標(biāo)位置為(x,y)的像素點的像素值記為并對{gk(x,y)}進行歸一化操作,將{gk(x,y)}經(jīng)歸一化操作后得到的圖像記為將中坐標(biāo)位置為(x,y)的像素點的像素值記為對{bk(x,y)}進行歸一化操作,將{bk(x,y)}經(jīng)歸一化操作后得到的圖像記為將中坐標(biāo)位置為(x,y)的像素點的像素值記為其中,表示{rk(x,y)}中的所有像素點的像素值的均值,表示{rk(x,y)}中的所有像素點的像素值的標(biāo)準(zhǔn)差,表示{gk(x,y)}中的所有像素點的像素值的均值,表示{gk(x,y)}中的所有像素點的像素值的標(biāo)準(zhǔn)差,表示{bk(x,y)}中的所有像素點的像素值的均值,表示{bk(x,y)}中的所有像素點的像素值的標(biāo)準(zhǔn)差,①_3c、采用現(xiàn)有的廣義高斯分布(ggd)模型對的顏色分布進行擬合,擬合得到的擬合曲線,記為gr(h),并采用現(xiàn)有的廣義高斯分布(ggd)模型對的顏色分布進行擬合,擬合得到的擬合曲線,記為gg(h),采用現(xiàn)有的廣義高斯分布(ggd)模型對的顏色分布進行擬合,擬合得到的擬合曲線,記為gb(h),其中,0≤h≤255,αr表示擬合曲線gr(h)的尺度參數(shù),βr表示擬合曲線gr(h)的形狀參數(shù),exp()表示以自然基數(shù)e為底的指數(shù)函數(shù),符號“||”為取絕對值符號,t為積分變量,αg表示擬合曲線gg(h)的尺度參數(shù),βg表示擬合曲線gg(h)的形狀參數(shù),αb表示擬合曲線gb(h)的尺度參數(shù),βb表示擬合曲線gb(h)的形狀參數(shù),①_3d、將在cielab顏色空間的三個分量分別記為{lk(x,y)}、{ak(x,y)}和{bk(x,y)},其中,lk(x,y)表示{lk(x,y)}中坐標(biāo)位置為(x,y)的像素點的像素值,ak(x,y)表示{ak(x,y)}中坐標(biāo)位置為(x,y)的像素點的像素值,bk(x,y)表示{bk(x,y)}中坐標(biāo)位置為(x,y)的像素點的像素值。①_3e、對{lk(x,y)}進行歸一化操作,將{lk(x,y)}經(jīng)歸一化操作后得到的圖像記為將中坐標(biāo)位置為(x,y)的像素點的像素值記為并對{ak(x,y)}進行歸一化操作,將{ak(x,y)}經(jīng)歸一化操作后得到的圖像記為將中坐標(biāo)位置為(x,y)的像素點的像素值記為對{bk(x,y)}進行歸一化操作,將{bk(x,y)}經(jīng)歸一化操作后得到的圖像記為將中坐標(biāo)位置為(x,y)的像素點的像素值記為其中,表示{lk(x,y)}中的所有像素點的像素值的均值,表示{lk(x,y)}中的所有像素點的像素值的標(biāo)準(zhǔn)差,表示{ak(x,y)}中的所有像素點的像素值的均值,表示{ak(x,y)}中的所有像素點的像素值的標(biāo)準(zhǔn)差,表示{bk(x,y)}中的所有像素點的像素值的均值,表示{bk(x,y)}中的所有像素點的像素值的標(biāo)準(zhǔn)差,①_3f、采用現(xiàn)有的廣義高斯分布(ggd)模型對的顏色分布進行擬合,擬合得到的擬合曲線,記為gl(h),并采用現(xiàn)有的廣義高斯分布(ggd)模型對的顏色分布進行擬合,擬合得到的擬合曲線,記為ga(h),采用現(xiàn)有的廣義高斯分布(ggd)模型對的顏色分布進行擬合,擬合得到的擬合曲線,記為gb(h),其中,αl表示擬合曲線gl(h)的尺度參數(shù),βl表示擬合曲線gl(h)的形狀參數(shù),αa表示擬合曲線ga(h)的尺度參數(shù),βa表示擬合曲線ga(h)的形狀參數(shù),αb表示擬合曲線gb(h)的尺度參數(shù),βb表示擬合曲線gb(h)的形狀參數(shù),①_3g、將在ycbcr顏色空間的三個分量分別記為{yk(x,y)}、{uk(x,y)}和{vk(x,y)},其中,yk(x,y)表示{yk(x,y)}中坐標(biāo)位置為(x,y)的像素點的像素值,uk(x,y)表示{uk(x,y)}中坐標(biāo)位置為(x,y)的像素點的像素值,vk(x,y)表示{vk(x,y)}中坐標(biāo)位置為(x,y)的像素點的像素值。①_3h、對{yk(x,y)}進行歸一化操作,將{yk(x,y)}經(jīng)歸一化操作后得到的圖像記為將中坐標(biāo)位置為(x,y)的像素點的像素值記為并對{uk(x,y)}進行歸一化操作,將{uk(x,y)}經(jīng)歸一化操作后得到的圖像記為將中坐標(biāo)位置為(x,y)的像素點的像素值記為對{vk(x,y)}進行歸一化操作,將{vk(x,y)}經(jīng)歸一化操作后得到的圖像記為將中坐標(biāo)位置為(x,y)的像素點的像素值記為其中,表示{yk(x,y)}中的所有像素點的像素值的均值,表示{yk(x,y)}中的所有像素點的像素值的標(biāo)準(zhǔn)差,表示{uk(x,y)}中的所有像素點的像素值的均值,表示{uk(x,y)}中的所有像素點的像素值的標(biāo)準(zhǔn)差,表示{vk(x,y)}中的所有像素點的像素值的均值,表示{vk(x,y)}中的所有像素點的像素值的標(biāo)準(zhǔn)差,①_3i、采用現(xiàn)有的廣義高斯分布(ggd)模型對的顏色分布進行擬合,擬合得到的擬合曲線,記為gy(h),并采用現(xiàn)有的廣義高斯分布(ggd)模型對的顏色分布進行擬合,擬合得到的擬合曲線,記為gu(h),采用現(xiàn)有的廣義高斯分布(ggd)模型對的顏色分布進行擬合,擬合得到的擬合曲線,記為gv(h),其中,αy表示擬合曲線gy(h)的尺度參數(shù),βy表示擬合曲線gy(h)的形狀參數(shù),αu表示擬合曲線gu(h)的尺度參數(shù),βu表示擬合曲線gu(h)的形狀參數(shù),αv表示擬合曲線gv(h)的尺度參數(shù),βv表示擬合曲線gv(h)的形狀參數(shù),①_3j、將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,符號“[]”為矢量表示符號。①_4、將中的每幅色調(diào)映射圖像的自然場景統(tǒng)計特征矢量和顏色統(tǒng)計特征矢量構(gòu)成中的每幅色調(diào)映射圖像的全局特征矢量,將的全局特征矢量記為fk,其中,fk的維數(shù)為23×1,符號“[]”為矢量表示符號,表示將和連接起來形成一個全局特征矢量。①_5、將中的所有色調(diào)映射圖像各自的全局特征矢量和平均主觀評分差值構(gòu)成訓(xùn)練樣本數(shù)據(jù)集合,訓(xùn)練樣本數(shù)據(jù)集合中包含n個全局特征矢量和n個平均主觀評分差值;然后采用支持向量回歸作為機器學(xué)習(xí)的方法,對訓(xùn)練樣本數(shù)據(jù)集合中的所有全局特征矢量進行訓(xùn)練,使得經(jīng)過訓(xùn)練得到的回歸函數(shù)值與平均主觀評分差值之間的誤差最小,擬合得到最優(yōu)的權(quán)重矢量wopt和最優(yōu)的偏置項bopt;接著利用最優(yōu)的權(quán)重矢量wopt和最優(yōu)的偏置項bopt,構(gòu)造質(zhì)量預(yù)測模型,記為f(f),其中,f()為函數(shù)表示形式,f用于表示色調(diào)映射圖像的全局特征矢量,且作為質(zhì)量預(yù)測模型的輸入矢量,(wopt)t為wopt的轉(zhuǎn)置,為f的線性函數(shù)。所述的測試階段過程的具體步驟為:②對于任意一幅用作測試的色調(diào)映射圖像itest,按照步驟①_2至步驟①_4相同的操作,獲取itest的全局特征矢量,記為ftest;然后根據(jù)訓(xùn)練階段構(gòu)造的質(zhì)量預(yù)測模型對ftest進行測試,預(yù)測得到ftest對應(yīng)的預(yù)測值,將該預(yù)測值作為itest的質(zhì)量客觀評價預(yù)測值,記為qtest,其中,itest的寬度為w',且高度為h',w'可與w相同或不相同,h'可與h相同或不相同,ftest的維數(shù)為23×1,表示ftest的線性函數(shù)。在本實施例中,采用加拿大滑鐵盧大學(xué)建立的tmid數(shù)據(jù)庫和美國德克薩斯大學(xué)奧斯汀分校建立的espl-live數(shù)據(jù)庫作為色調(diào)映射圖像數(shù)據(jù)庫,tmid數(shù)據(jù)庫包括120幅色調(diào)映射圖像,espl-live數(shù)據(jù)庫包括1811幅色調(diào)映射圖像。利用評估圖像質(zhì)量評價方法的2個常用客觀參量作為評價指標(biāo),即非線性回歸條件下的pearson線性相關(guān)系數(shù)(pearsonlinearcorrelationcoefficient,plcc)和spearman秩等級相關(guān)系數(shù)(spearmanrankordercorrelationcoefficient,srocc)。plcc和srocc越高說明本發(fā)明方法的評價結(jié)果與平均主觀評分差值的相關(guān)性越好。表1給出了本發(fā)明方法得到的質(zhì)量客觀評價預(yù)測值與平均主觀評分差值之間的相關(guān)性,從表1中可以看出,采用本發(fā)明方法得到的色調(diào)映射圖像的質(zhì)量客觀評價預(yù)測值與平均主觀評分差值之間的相關(guān)性是很高的,表明客觀評價結(jié)果與人眼主觀感知的結(jié)果較為一致,足以說明本發(fā)明方法的有效性。表1采用本發(fā)明方法得到的質(zhì)量客觀評價預(yù)測值與平均主觀評分差值之間的相關(guān)性數(shù)據(jù)庫plccsrocctmid0.7440.698espl-live0.6390.629當(dāng)前第1頁12
當(dāng)前第1頁1 2 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1