论文部分内容阅读
高动态范围(HDR)成像技术的发展改变了传统的图像显示的方式,带给人们更真实的视觉体验,在电影、医疗、家庭娱乐等众多领域得到了广泛应用。HDR视频图像从采集到显示的过程中,普遍存在编码失真,针对该失真的HDR视频图像质量评价方法比较匮乏。本文研究人眼感知对编码失真的HDR视频图像质量评价的影响,主要研究内容如下:(1)提出一种基于张量域感知特征的无参考HDR图像质量评价方法。首先通过张量分解得到同时含有亮度失真和色度失真的张量子带图;然后从视觉生成的角度出发,采用自回归(AR)预测模型模拟人脑对张量子带图的视觉生成过程,得到张量子带图的感知预测图像;最后采用AR系数表征HDR图像的张量域感知预测特征,结合张量子带图及其感知预测图的动态范围、亮区域占比2个HDR亮度感知特征,使用支持向量回归(SVR)模型进行回归映射得到图像的客观质量评价分数。在Nantes和EFPL这2个公开的HDR图像库上的实验结果表明,该方法与主观感知具有很好的一致性,评价指标SROCC和PLCC都超过了0.93,RMSE分别为0.304 7和0.377 1。(2)构建一个HEVC编码失真的HDR视频质量评价库。首先,为了同时兼顾HDR和LDR显示用户,采用非向后兼容和向后兼容2种编码框架;然后,为了模拟视频传输时的不同码率要求,采用4种等级的量化参数(QP)进行编码;最后,采用劣化等级评分法(DCR)对编码后的视频进行主观打分。主观实验结果表明,主观打分与QP等级具有很好的单调性。不同客观质量评价方法的预测性能在本文视频库上的测试结果表明,HDR-VDP-2.2和PU-VIF方法与主观感知具有更好的一致性,评价指标SROCC分别为0.8380和0.847 5。(3)提出一种基于区域纹理信息量和稀疏特征结合的半参考HDR视频质量评价方法。首先,从人眼对不同亮度背景下的纹理感知特性出发,按亮度等级将视频分成暗区域、正常亮度区域和亮区域,使用Sobel算子提取视频各区域的纹理信息量。然后,采用稀疏字典学习的方法提取视频的稀疏特征,包括训练和测试2个阶段:训练阶段,对无失真视频预处理(包括局部归一化、分块和分类),使用多线性主成分分析(MPCA)方法提取各类别视频块的主成分,将视频块的主成分矢量化用于稀疏字典学习;测试阶段,对失真视频预处理并提取视频块的失真主成分,使用训练得到的稀疏字典对矢量化的失真主成分稀疏表示,得到失真视频块的稀疏特征,将所有块的稀疏特征融合得到视频的稀疏特征。最后,结合视频的区域纹理信息量和稀疏特征,使用SVR进行回归映射得到视频的客观质量评价分数。在本文构建的HDR视频库上的测试结果表明,该方法与主观感知具有较好的一致性。评价指标SROCC、PLCC和RMSE分别为0.8273、0.853 7和0.589 2。