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