采用高動態(tài)范圍的圖像質(zhì)量數(shù)據(jù)集的圖像質(zhì)量評價方法
【專利摘要】本發(fā)明提供了一種采用高動態(tài)范圍的圖像質(zhì)量數(shù)據(jù)集的圖像質(zhì)量評價方法，步驟為：第一步、選取6張參考圖像及其對應(yīng)的使用8個失真級別的JPEG/JPEG2000壓縮、白噪聲和高斯模糊處理的失真圖像組成的192張圖像；第二步、主觀視覺測試，并用一對校準后的8位LDR和10位HDR顯示器顯示圖像并記錄的主觀打分；第三步、在得到的HDR2014上測試一些時下的最先進的IQA方法，得出最終的客觀質(zhì)量分數(shù)，客觀質(zhì)量分數(shù)和MOS/DMOS值的相關(guān)性越強，評價方法越準確。結(jié)果證實，相比LDR本發(fā)明提高了視覺刺激的感知質(zhì)量，并用現(xiàn)有的幾種IQA方法測試除少部分測試方法性能顯著下降外，其他方法測試性能很好。
【專利說明】采用高動態(tài)范圍的圖像質(zhì)量數(shù)據(jù)集的圖像質(zhì)量評價方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種圖像質(zhì)量評價方法，具體地，涉及一種采用高動態(tài)范圍的圖像質(zhì) 量數(shù)據(jù)集的圖像質(zhì)量評價方法。

【背景技術(shù)】
[0002] 人類80%的信息通過視覺獲取，尤其是在信息發(fā)達的當今社會，數(shù)字電視、數(shù)碼 影像、視頻會議、社交媒體等各種傳媒的蓬勃方法，使得對圖像和視頻的高質(zhì)量需求越來越 大。圖像質(zhì)量評價（IQA)是一個經(jīng)典的研究方向，它在數(shù)字圖像處理的諸多領(lǐng)域發(fā)揮著重 要作用，例如圖像壓縮、存儲和傳輸?shù)鹊陌l(fā)展和優(yōu)化。
[0003] 現(xiàn)有的圖像質(zhì)量評價（IQA)方法都研究是低動態(tài)范圍（LDR)的圖像。然而，在現(xiàn) 實世界中，我們的視覺系統(tǒng)是能夠感知很大范圍的可見光，從直射陽光到弱陽光能夠跨越 絕對范圍約有10個數(shù)量級。所以，表示真實場景的高動態(tài)范圍（HDR)成像在影像學中具有 里程碑意義。理論上講，HDR圖像的視覺質(zhì)量比常規(guī)的LDR圖像要高得多，因為其含有更廣 范圍的對比度，細節(jié)，亮度和色彩。傳感器技術(shù)的進步使得HDR圖像的可用性成為可能。它 在數(shù)碼攝影，視覺藝術(shù)表演，娛樂和游戲，甚至是醫(yī)療和安全成像產(chǎn)生了革命性的變化。
[0004] 雖然HDR圖像在計算機圖形學中正變得越來越普遍和重要，但各種普通設(shè)備（顯 示器，打印機等）的動態(tài)范圍比在真實世界的場景上的動態(tài)范圍小得多。因此，色調(diào)映射算 子（TM0S)把HDR渲染到LDR圖像在很久以前是一個新興的領(lǐng)域。令人興奮的是，最近我們 可以看到顯示技術(shù)的巨大進步。10位顯示技術(shù)發(fā)明創(chuàng)造了一個臨界點，使得HDR圖像的直 接可視化成為可能。
[0005] 眾所周知，基于原始圖像客觀的IQA可分為三種：全參（FR)、半?yún)ⅲ≧R)和無參 (NR) (FR是指整個的可用性參照圖像被假定為已知的；RR是該參考圖像是部分可用；NR表 示原始圖像不可用）。在上個世紀，均方誤差（MSE)及其等效的峰值信噪比（PSNR)是一對常 用的標準測試方法，因為其簡單、可移植性強和并有明確的物理意義。不過，二者都沒有考 慮圖像內(nèi)容的影響，從而導(dǎo)致他們與人的質(zhì)量評價的相關(guān)性較差，即平均意見得分（M0S)。 針對 MSE 和 PSNR 的不足，Wang 等（Image Quality Assessment:From Error Visibility to Structural Similarity,所屬期干丨J :Transaction on Image Processing)基于人類視 覺系統(tǒng)（HVS)的高度重視結(jié)構(gòu)信息的假設(shè)提出了一種有效的結(jié)構(gòu)相似性指數(shù)（SSM)，并且 SSIM實現(xiàn)了對參考圖像和失真圖像之間的亮度，對比度和結(jié)構(gòu)信息的比較。受此啟發(fā)，提出 了眾多基于SSIM的變體。除上面提到的全參IQA方法，越來越多的研究人員致力于為無參 和半?yún)⒌腎QA指標方法。


【發(fā)明內(nèi)容】

[0006] 針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供一種采用高動態(tài)范圍的圖像質(zhì)量數(shù) 據(jù)集的圖像質(zhì)量評價方法，其復(fù)雜度低，并且比原有數(shù)據(jù)集有明顯的改進，可用于更加準確 地評估圖像質(zhì)量。
[0007] 為實現(xiàn)上述目的，本發(fā)明所述的采用高動態(tài)范圍的圖像質(zhì)量數(shù)據(jù)集的圖像質(zhì)量評 價方法，包括以下步驟：
[0008] 第一步、由6張參考圖像及其對應(yīng)的使用8個失真級別的JPEG和JPEG2000壓縮、 白噪聲和商斯模糊處理的失真圖像組成192張圖像；
[0009] 第二步、由非圖像處理專業(yè)的人員參與主觀視覺測試，并用一對校準后的8位LDR 和10位HDR顯示器顯示圖像并記錄的主觀打分；
[0010] 第三步、在提出的數(shù)據(jù)集HDR2014上使用圖像質(zhì)量評價方法測試，得出最終的客 觀質(zhì)量分數(shù)，客觀質(zhì)量分數(shù)和M0S/DM0S值的相關(guān)性越強，評價方法越準確。
[0011] 優(yōu)選的，所述第一步中：選擇大小為512x384尺寸的六張無損自然的HDR圖像，所 有圖像都由Adobe Photoshop轉(zhuǎn)換為8位圖像；再分別采用失真JPEG和JPEG2000,高斯模 糊和白噪聲處理得到另外192張圖像，從而構(gòu)成數(shù)據(jù)集。
[0012] 本發(fā)明的原理是：高動態(tài)范圍（HDR)圖像的視覺質(zhì)量比常規(guī)的低動態(tài)范圍（LDR) 圖像要高得多，因為其含有更廣范圍的對比度、細節(jié)、亮度和色彩。全參（FR)的客觀圖像質(zhì) 量評價方法均方誤差（MSE)及其等效的峰值信噪比（PSNR)平均意見得分（M0S)結(jié)構(gòu)相似 性指數(shù)（SSIM)以及半?yún)ⅲ≧R)和無參（NR)的許多方法在低動態(tài)范圍（LDR)的圖像數(shù)據(jù)集 上都有很好的性能。本發(fā)明采用測試性能良好的新的HDR圖像質(zhì)量數(shù)據(jù)集，并說明了上述 方法的有效性和適用性。
[0013] 與現(xiàn)有技術(shù)相比，本發(fā)明具有如下的有益效果：
[0014] 本發(fā)明采用高動態(tài)范圍圖像質(zhì)量數(shù)據(jù)集，在數(shù)據(jù)集上測試了一些普遍存在的最先 進的IQA方法，實驗結(jié)果證實，HDR顯示器相比LDR的確實提高了視覺刺激的感知質(zhì)量，現(xiàn) 有的幾種IQA方法在HDR圖像上仍然性能很好，但一些方法的性能顯著下降。本發(fā)明可廣 泛用于各種HDR圖像質(zhì)量評價，復(fù)雜度低，并且比原有數(shù)據(jù)集有明顯的改進。

【專利附圖】

【附圖說明】
[0015] 通過閱讀參照以下附圖對非限制性實施例所作的詳細描述，本發(fā)明的其它特征、 目的和優(yōu)點將會變得更明顯：
[0016] 圖1為本發(fā)明一實施例的實施流程圖；
[0017] 圖2為本發(fā)明一實施例從網(wǎng)上獲取的6張512x384大小的原始無損彩色圖像，其 中：(a)-(f)分別是場景1-6的8位圖；
[0018] 圖3為本發(fā)明一實施例各場景失真圖，其中：(a)_(c)為場景2的高斯模糊失真 圖；（d) - (f)為場景3的JPEG失真圖；（g)-⑴為場景4的JP2K失真圖；（j) - (1)為場景5 的白噪聲失真圖。

【具體實施方式】
[0019] 下面結(jié)合具體實施例對本發(fā)明進行詳細說明。以下實施例將有助于本領(lǐng)域的技術(shù) 人員進一步理解本發(fā)明，但不以任何形式限制本發(fā)明。應(yīng)當指出的是，對本領(lǐng)域的普通技術(shù) 人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進。這些都屬于本發(fā)明 的保護范圍。
[0020] 本實施例提供一種高動態(tài)范圍的圖像質(zhì)量數(shù)據(jù)集，實施流程如圖1所示，包括如 下步驟：
[0021] 第一步、HDR2014數(shù)據(jù)集的產(chǎn)生
[0022] JPEG :調(diào)用Matlab的imwrite函數(shù)將HDR圖像壓縮成JPEG圖像，使用Q參數(shù)為 (70,60,50,40,30,20，10,5)，然后使用11辦￥1'行6函數(shù)從開￡6中生成邢1?圖像 ；
[0023] JP2K :調(diào)用Matlab的imwrite函數(shù)根據(jù)不同的壓縮比參數(shù)將HDR圖像壓縮成JP2K 圖像，使用的壓縮比為20,40,60,80,100, 200, 300和400,然后使用hdrwrite函數(shù)從JP2K 中生成HDR圖像；
[0024] 白噪聲：調(diào)用Matlab中的imnoise函數(shù)，分別對R、G、B通道的添加8種正常噪聲， U = 0, 〇 2 = (0. 002, 0. 004, 0. 008, 0. 01, 0. 04, 0. 08, 0. 1, 0. 3)；
[0025] 高斯模糊：調(diào)用Matlab中的fspecial和imfilter函數(shù)，分別對R、G、B通道使用 窗為1 (：><1(；(1(； = 20)、標準差為〇(；=(1，2,3,4,5,6,7,8)的高斯核函數(shù)進行模糊處理。
[0026] 以上處理后得到HDR2014數(shù)據(jù)集。
[0027] 第二步、對HDR2014數(shù)據(jù)集的主觀測試
[0028] 將HDR2014數(shù)據(jù)集中的圖像分別在液晶IXD(8位）顯示器和HDR(10位）顯示 器上顯示（都由Adobe Photoshop軟件顯示）；LCD和HDR顯示器的分辨率為1920x1080 和1920x1200,刷新率是60Hz和59Hz ;根據(jù)ITU-R BT. 500-12進行的單次刺激（SS)方法， 二十五名觀測者（14男，11女，年齡20-30)參與，其中大部分是在校大學生，來自不同專業(yè) (計算機科學、電子工程、化學等），并且所有人有正?；虺C正到正常視力；給每一名參與者 分別在兩臺顯示器上展示所有的HDR圖像，實驗中并沒有其他成員的干擾；為了消除順序 的影響，圖像呈現(xiàn)順序是隨機的；觀察幾秒鐘圖像后，參與者被要求對圖像進行評級，連續(xù) 質(zhì)量尺度從〇到1，精度為〇. 01% ;該主觀測試的方法根據(jù)國際標準BT500來嚴格執(zhí)行的。 另外測試結(jié)果有很多，完全可以排除因為某個個體的隨機帶來的偏差。
[0029] Adobe Photoshop中顯示的HDR圖像時采用了伽馬校正；因此，在使用IQA指標之 前需要對這些圖像進行伽瑪校正預(yù)處理；常用的伽馬系數(shù)為Y =2. 2,伽瑪校正函數(shù)為：

【權(quán)利要求】
1. 一種采用高動態(tài)范圍的圖像質(zhì)量數(shù)據(jù)集的圖像質(zhì)量評價方法，其特征在于，包括w 下步驟： 第一步、由6張參考圖像及其對應(yīng)的使用8個失真級別的JPEG/JPEG2000壓縮、白噪聲 和高斯模糊處理的失真圖像組成192張圖像，構(gòu)成數(shù)據(jù)集； 第二步、由非專業(yè)的人員參與主觀視覺測試，并用一對校準后的8位LDR和10位皿R 顯示器顯示圖像并記錄的主觀打分； 第H步、在第一步得到的數(shù)據(jù)集上測試現(xiàn)有的圖像質(zhì)量評價方法，得出最終的客觀質(zhì) 量分數(shù)，客觀質(zhì)量分數(shù)和MOS/DMOS值的相關(guān)性越強，評價方法越準確。
2. 根據(jù)權(quán)利要求1所述的采用高動態(tài)范圍的圖像質(zhì)量數(shù)據(jù)集的圖像質(zhì)量評價方法，其 特征在于，所述第一步中，具體的： 選擇大小為512x384尺寸的六張無損自然的皿R圖像，所有圖像都由AdobePhotoshop 轉(zhuǎn)換為8位圖像；再分別進行失真JPEG和JPEG2000,高斯模糊和白噪聲處理得到另外192 張圖像，從而構(gòu)成數(shù)據(jù)集。
3. 根據(jù)權(quán)利要求2所述的采用高動態(tài)范圍的圖像質(zhì)量數(shù)據(jù)集的圖像質(zhì)量評價方法，其 特征在于，所述數(shù)據(jù)集，具體獲得如下： JPEG ;調(diào)用Matl油的imwrite函數(shù)將皿R圖像壓縮成JPEG圖像，使用Q參數(shù)為（70， 60, 50,40, 30, 20,10, 5)，然后使用h化write函數(shù)從JPEG中生成皿R圖像； JP2K ;調(diào)用Matl油的imwrite函數(shù)根據(jù)不同的壓縮比參數(shù)將皿R圖像壓縮成JP2K圖 像，使用的壓縮比為20,40,60,80,100, 200, 300和400,然后使用h化write函數(shù)從JP2K中 生成皿R圖像； 白噪聲：調(diào)用Matl油中的i皿Oise函數(shù)，分別對R、G、B通道的添加8種正常噪聲，y =0, 0 2 = (0. 002, 0. 004, 0. 008, 0. 01，0. 04, 0. 08, 0. 1，0. 3); 高斯模糊；調(diào)用Matl油中的fspecial和imfilter函數(shù)，分別對R、G、B通道使用窗為 leX = 20)、標準差為0 G = (1，2, 3, 4, 5, 6, 7, 8)的高斯核函數(shù)進行模糊處理； 上述處理后得到數(shù)據(jù)集。
4. 根據(jù)權(quán)利要求1或2所述的采用高動態(tài)范圍的圖像質(zhì)量數(shù)據(jù)集的圖像質(zhì)量評價方 法，其特征在于，所述第二步中，具體的：主觀視覺測試中計算出平均意見得分、原始圖像及 其失真圖像不同的意見得分值。
【文檔編號】G06T7/00GK104346809SQ201410490258
【公開日】2015年2月11日 申請日期:2014年9月23日 優(yōu)先權(quán)日:2014年9月23日
【發(fā)明者】楊小康, 劉敏, 翟廣濤, 顧錁 申請人:上海交通大學