基于人眼感知的无参考色调映射图像质量评价

为了在标准显示器上显示高动态范围(High Dynamic Range,HDR)图像,需要用色调映射算子(Tone-mapped Operator,TMO)把HDR图像压缩成低动态范围的色调映射(Tone-Mapped,TM)图像。为了评价不同的色调映射算子的性能,提出一种盲参考TM图像质量评价方法。用聚类算法把图像分成暗区、中间区、亮区,在三个区分别提取信息熵和面积比率特征;在显著性区域提取信息熵和面积比率特征,在亮度通道和RGB颜色通道提取自然度特征;用支持向量回归模型训练得到质量预测分数。在TMID库上的实验结果中,PLCC达到0.8830,SROCC达到0.8313,表明该算法十分有效;与色调映射图像质量评价算法相比具有更好的性能。

结合美学特征的无参考色调映射图像质量评价

如何对色调映射图像(Tone-mapped Image, TMI)质量进行有效评价是图像处理领域亟待解决的问题.现有方法仅是低动态范围图像质量评价方法的改进,并未考虑TM图像本身独有的特点.基于此,本文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5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库上的实验表明,现有代表性方法的Spearman秩相关系数最高为0.752,而所提出模型可达0.766,与人眼感知结果具有更强的一致性.

基于相对梯度正则化的Retinex变分模型及其应用

针对全变分Retinex模型使用反射分量的全变分作为正则项存在的不足,引入相对梯度并构建扩展的全变分正则项,提出一种新的Retinex变分模型。相比于变分Retinex模型、全变分Retinex模型,该模型获取的照度分量更加光滑,同时反射分量能够分辨更多结构信息和细节要素。进而,提出一种综合考虑照度分量和反射分量的图像增强模型。通过调整模型参数,可有效应用于高动态范围图像色调映射、非均匀照度增强等图像处理领域。与其他算法的对比显示,该图像增强模型能够有效处理上述问题并取得较好的效果。