本发明专利技术提供了一种采用高动态范围的图像质量数据集的图像质量评价方法，步骤为：第一步、选取6张参考图像及其对应的使用8个失真级别的JPEG/JPEG2000压缩、白噪声和高斯模糊处理的失真图像组成的192张图像；第二步、主观视觉测试，并用一对校准后的8位LDR和10位HDR显示器显示图像并记录的主观打分；第三步、在得到的HDR2014上测试一些时下的最先进的IQA方法，得出最终的客观质量分数，客观质量分数和MOS/DMOS值的相关性越强，评价方法越准确。结果证实，相比LDR本发明专利技术提高了视觉刺激的感知质量，并用现有的几种IQA方法测试除少部分测试方法性能显著下降外，其他方法测试性能很好。
【技术实现步骤摘要】
【专利摘要】本专利技术提供了一种，步骤为：第一步、选取6张参考图像及其对应的使用8个失真级别的JPEG/JPEG2000压缩、白噪声和高斯模糊处理的失真图像组成的192张图像；第二步、主观视觉测试，并用一对校准后的8位LDR和10位HDR显示器显示图像并记录的主观打分；第三步、在得到的HDR2014上测试一些时下的最先进的IQA方法，得出最终的客观质量分数，客观质量分数和MOS/DMOS值的相关性越强，评价方法越准确。结果证实，相比LDR本专利技术提高了视觉刺激的感知质量，并用现有的几种IQA方法测试除少部分测试方法性能显著下降外，其他方法测试性能很好。【专利说明】
本专利技术涉及一种图像质量评价方法，具体地，涉及一种采用高动态范围的图像质 量数据集的图像质量评价方法。
技术介绍
人类80%的信息通过视觉获取，尤其是在信息发达的当今社会，数字电视、数码 影像、视频会议、社交媒体等各种传媒的蓬勃方法，使得对图像和视频的高质量需求越来越 大。图像质量评价（IQA)是一个经典的研究方向，它在数字图像处理的诸多领域发挥着重 要作用，例如图像压缩、存储和传输等的发展和优化。 现有的图像质量评价（IQA)方法都研究是低动态范围（LDR)的图像。然而，在现 实世界中，我们的视觉系统是能够感知很大范围的可见光，从直射阳光到弱阳光能够跨越 绝对范围约有10个数量级。所以，表示真实场景的高动态范围（HDR)成像在影像学中具有 里程碑意义。理论上讲，HDR图像的视觉质量比常规的LDR图像要高得多，因为其含有更广 范围的对比度，细节，亮度和色彩。传感器技术的进步使得HDR图像的可用性成为可能。它 在数码摄影，视觉艺术表演，娱乐和游戏，甚至是医疗和安全成像产生了革命性的变化。 虽然HDR图像在计算机图形学中正变得越来越普遍和重要，但各种普通设备（显 示器，打印机等）的动态范围比在真实世界的场景上的动态范围小得多。因此，色调映射算 子（TM0S)把HDR渲染到LDR图像在很久以前是一个新兴的领域。令人兴奋的是，最近我们 可以看到显示技术的巨大进步。10位显示技术专利技术创造了一个临界点，使得HDR图像的直 接可视化成为可能。 众所周知，基于原始图像客观的IQA可分为三种：全参（FR)、半参（RR)和无参 (NR) (FR是指整个的可用性参照图像被假定为已知的；RR是该参考图像是部分可用；NR表 示原始图像不可用）。在上个世纪，均方误差（MSE)及其等效的峰值信噪比（PSNR)是一对常 用的标准测试方法，因为其简单、可移植性强和并有明确的物理意义。不过，二者都没有考 虑图像内容的影响，从而导致他们与人的质量评价的相关性较差，即平均意见得分（M0S)。 针对 MSE 和 PSNR 的不足，Wang 等（Image Quality Assessment:From Error Visibility to Structural Similarity,所属期干丨J :Transaction on Image Processing)基于人类视 觉系统（HVS)的高度重视结构信息的假设提出了一种有效的结构相似性指数（SSM)，并且 SSIM实现了对参考图像和失真图像之间的亮度，对比度和结构信息的比较。受此启发，提出 了众多基于SSIM的变体。除上面提到的全参IQA方法，越来越多的研究人员致力于为无参 和半参的IQA指标方法。
技术实现思路
针对现有技术中的缺陷，本专利技术的目的是提供一种采用高动态范围的图像质量数 据集的图像质量评价方法，其复杂度低，并且比原有数据集有明显的改进，可用于更加准确 地评估图像质量。 为实现上述目的，本专利技术所述的采用高动态范围的图像质量数据集的图像质量评 价方法，包括以下步骤： 第一步、由6张参考图像及其对应的使用8个失真级别的JPEG和JPEG2000压缩、 白噪声和商斯模糊处理的失真图像组成192张图像； 第二步、由非图像处理专业的人员参与主观视觉测试，并用一对校准后的8位LDR 和10位HDR显示器显示图像并记录的主观打分； 第三步、在提出的数据集HDR2014上使用图像质量评价方法测试，得出最终的客 观质量分数，客观质量分数和M0S/DM0S值的相关性越强，评价方法越准确。 优选的，所述第一步中：选择大小为512x384尺寸的六张无损自然的HDR图像，所 有图像都由Adobe Photoshop转换为8位图像；再分别采用失真JPEG和JPEG2000,高斯模 糊和白噪声处理得到另外192张图像，从而构成数据集。 本专利技术的原理是：高动态范围（HDR)图像的视觉质量比常规的低动态范围（LDR) 图像要高得多，因为其含有更广范围的对比度、细节、亮度和色彩。全参（FR)的客观图像质 量评价方法均方误差（MSE)及其等效的峰值信噪比（PSNR)平均意见得分（M0S)结构相似 性指数（SSIM)以及半参（RR)和无参（NR)的许多方法在低动态范围（LDR)的图像数据集 上都有很好的性能。本专利技术采用测试性能良好的新的HDR图像质量数据集，并说明了上述 方法的有效性和适用性。 与现有技术相比，本专利技术具有如下的有益效果： 本专利技术采用高动态范围图像质量数据集，在数据集上测试了一些普遍存在的最先 进的IQA方法，实验结果证实，HDR显示器相比LDR的确实提高了视觉刺激的感知质量，现 有的几种IQA方法在HDR图像上仍然性能很好，但一些方法的性能显著下降。本专利技术可广 泛用于各种HDR图像质量评价，复杂度低，并且比原有数据集有明显的改进。 【专利附图】【附图说明】 通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、 目的和优点将会变得更明显： 图1为本专利技术一实施例的实施流程图； 图2为本专利技术一实施例从网上获取的6张512x384大小的原始无损彩色图像，其 中：(a)-(f)分别是场景1-6的8位图； 图3为本专利技术一实施例各场景失真图，其中：(a)_(c)为场景2的高斯模糊失真 图；（d) - (f)为场景3的JPEG失真图；（g)-⑴为场景4的JP2K失真图；（j) - (1)为场景5 的白噪声失真图。 【具体实施方式】 下面结合具体实施例对本专利技术进行详细说明。以下实施例将有助于本领域的技术 人员进一步理解本专利技术，但不以任何形式限制本专利技术。应当指出的是，对本领域的普通技术 人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变形和改进。这些都属于本专利技术 的保护范围。 本实施例提供一种高动态范围的图像质量数据集，实施流程如图1所示，包括如 下步骤： 第一步、HDR2014数据集的产生 JPEG :调用Matlab的imwrite函数将HDR图像压缩成JPEG图像，使用Q参数为 (70,60,50,40,30,20，10,5)，然后使用11办￥1'行6函数从开￡6中生成邢1?图像 ； JP2K :调用Matlab的imwrite函数根据不同的压缩比参数将HDR图像压缩成JP2K 图像，使用的压缩比为20,40,60,80,100, 200, 300和400,然后使用hdrwrite函数从JP2K 中生成H本文档来自技高网...
【技术保护点】
一种采用高动态范围的图像质量数据集的图像质量评价方法，其特征在于，包括以下步骤： 第一步、由6张参考图像及其对应的使用8个失真级别的JPEG/JPEG2000压缩、白噪声和高斯模糊处理的失真图像组成192张图像，构成数据集； 第二步、由非专业的人员参与主观视觉测试，并用一对校准后的8位LDR和10位HDR显示器显示图像并记录的主观打分； 第三步、在第一步得到的数据集上测试现有的图像质量评价方法，得出最终的客观质量分数，客观质量分数和MOS/DMOS值的相关性越强，评价方法越准确。
【技术特征摘要】
【专利技术属性】
技术研发人员：杨小康，刘敏，翟广涛，顾锞，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。