论文部分内容阅读
为了保证在常规显示器上能够再现高动态范围图像(High Dynamic Range Image,HDRI)并保证良好的视觉感知质量,近年来,学者们提出了大量的色调映射算法(ToneMapped Operators,TMOs)。然而不同TMOs产生的色调映射图像(Tone-mapped Image,TMI)会存在不同程度的失真并导致图像的视觉感知质量下降。因此,TMI的质量评价算法研究具有重要研究意义。本文以TMI为研究对象,针对TMI的盲图像质量评价(Blind Image Quality Assessment,BIQA)开展了以下研究工作。1)针对目前基于深度学习的色调映射盲图像质量评价算法中特征提取和质量预测是两阶段任务,其无法共同优化整个过程,本文提出了一种基于深度神经网络框架下多尺度视觉特征的色调映射盲图像质量评价算法。首先,该算法受人类视觉系统分层感知机制的启发,结合了图像质量的分层退化,提取并融合了多尺度特征以进行质量预测。其次,该算法以端到端的方式共同优化特征提取、多尺度特征融合和质量预测的过程,其基于数据驱动,可以自动捕获数据中的统计信息。通过实验证明,该算法与人眼主观评价的SROCC值在两大TMI IQA测试数据集TMID以及ESPL-LIVE HDR上分别达到0.8915和0.8245。2)针对将HDRI映射到传统显示器的过程中会产生光晕现象等失真,本文提出了一种基于梯度特征增强的色调映射盲图像质量评价算法。该算法将人类初级视觉感知特性提取与深度学习框架结合,使用双支流神经网络模型分别从原始失真图像和梯度图像提取多尺度内容特征和初级视觉特征,并将其融合为混合视觉特征以捕获色调映射图像中局部结构变化,从而更好的表示图像内容。改进后的色调映射图像质量评价模型能够提取到更丰富的图像质量感知特征,通过实验证明,该算法可以有效的评价色调映射图像的质量,在TMID以及ESPL-LIVE HDR数据集上的SROCC值分别达到0.9176和0.9357,准确性得到了有效地提升。3)针对目前基于深度学习的BIQA模型参数量大、工程复杂度较高等不足,本文提出了一种基于轻量级网络的色调映射盲图像质量评价算法。该算法充分利用了视觉多尺度特征,并通过特征调制模块对多尺度特征进行调制。此外,使用图像的梯度域特征反映TMI的底层视觉退化程度。实验结果表明,本文提出的模型参数远少于现有的基于深度学习的IQA算法,并且在TMID及ESPL-LIVE HDR两个公开数据集上取得较好的效果。