论文部分内容阅读
高动态范围(High dynamic range,HDR)视觉内容是真实场景的准确再现,能给人良好的视觉体验。为使HDR图像/视频能够后向兼容地在常规显示器上显示,需要对其进行动态范围的压缩,这一过程称为色调映射。无论用何种算法进行映射,都会无可避免地引入一定的失真,使得色调映射视频(Tonemapped Video,TMV)、色调映射图像(Tone-mapped Image,TMI)的质量下降。要获得高质量的TMI、TMV,有效的评价工具必不可少。因此,本文从色调映射产生的失真特性出发,对TMI、TMV的质量评价方法进行了研究。具体研究内容如下:(1)考虑TMI本身特性,提出了一种结合美学特征的TMI质量评价方法。从颜色保真度、色温分布、对比度、黑暗度、自然度五个方面出发提取图像的美学特征,并在梯度域、张量域、高斯差分域和拉普拉斯域提取变换域特征,利用支持向量回归训练得到质量评价模型。在ESPL-LIVE HDR数据库上对该模型进行实验,Pearson线性相关系数(Pearson Linear Correlation Coefficient,PLCC)达到0.791,Spearman秩相关系数(Spearman Rank Order Correlation Coefficient,SROCC)达到0.766,与人眼感知结果具有较强一致性。(2)提出了一种半参考TMV质量评价方法。基于高质量的TMI在高亮度区域、低亮度区域应该尽可能多地保留原HDR图像的细节信息这一假设,采用百分比的方式对视频帧进行亮度划分,在各高亮度与低亮度区域计算信息保留程度。考虑到颜色失真对TMI的质量也会造成不可忽视的影响,所以也对全局的颜色信息进行衡量,同时也考虑其他的美学特征。时域上,先采用对亮度鲁棒的SIFT flow算法进行运动估计进而在运动矢量上提取运动特征。此外,针对TMV中突出影响感知质量的闪烁伪像,通过分析感知亮度沿时间变化曲线来检测提取闪烁特征。最后采用随机森林预测视频质量,在TMVD2017数据库上进行实验验证,PLCC达到0.7871,SROCC达到0.7265。(3)在没有原HDR视频的情况下,深入分析TMV本身特性以及失真情况,提出一种无参考TMV质量评价方法。考虑暗视觉情况下对亮敏感的视杆细胞取代对颜色敏感的视锥细胞工作这一视觉感知原理,空域采用一种自适应阈值分割方法对视频帧进行亮度划分。在暗区域与亮区域提取亮度信息熵以及自然度,在正常区域提取颜色灵敏度特征。从计算机视觉的角度出发,通过Surfacelet分解捕获视频的曲面奇异,进一步分析变换系数以提取视频时空域运动特征。最后,将上述特征以及质量相关的自然度等全局特征结合起来组成特征矢量,用随机森林的方式预测视频质量。在TMVD2017数据库上的实验结果表明本方法与主观感知结果具有较好的一致性,PLCC达到0.8052,SROCC则是0.7541。