激光与光电子学进展, 2020, 57 (14): 141006, 网络出版: 2020-07-28 复制并引用该论文  本文已被引 8 次  被引通知

图 & 表

图 1. 本算法框架图

Fig. 1. Framework of our algorithm

下载图片 查看原文

图 2. 原始图像和质量逐渐降低的色域映射图像。(a)原始图像;(b)色域映射图像1;(c)色域映射图像2; (d)色域映射图像3

Fig. 2. Original image and gamut mapping images with decreasing quality. (a) Original image; (b) gamut mapping image1; (c) gamut mapping image2; (d) gamut mapping image3

下载图片 查看原文

图 3. 图像频域矩和熵随频率的变化。(a)图像频域熵随频率的变化;(b)图像频域均值随频率的变化;(c)图像频域标准差随频率的变化

Fig. 3. Changes in the frequency domain moment and entropy of the image with frequency. (a) Change of image frequency domain entropy with frequency; (b) change of image frequency domain mean with frequency; (c) change of image frequency domain standard deviation with frequency

下载图片 查看原文

图 4. 相对彩度经验直方图

Fig. 4. Empirical histograms of relative chroma

下载图片 查看原文

图 5. 相对色调经验直方图

Fig. 5. Empirical histograms of relative hue

下载图片 查看原文

图 6. 相对色调和相对彩度的经验直方图

Fig. 6. Empirical histogram of relative hue and chroma

下载图片 查看原文

图 7. AdaBoosting BPNN的结构。(a) AdaBoosting算法的结构;(b) BPNN的结构

Fig. 7. Structure of the AdaBoosting BPNN; (a) Structure of the AdaBoosting algorithm; (b) structure of BPNN

下载图片 查看原文

图 8. 灰度特征和颜色特征的性能对比。(a) BS数据库;(b)IG数据库;(c) LC数据库

Fig. 8. Performance comparison of grayscale features and color features. (a) BS database; (b) IG database; (c) LC database

下载图片 查看原文

图 9. 峰值特征对算法性能的影响。(a) BS数据库;(b) IG数据库;(c) LC数据库

Fig. 9. Influence of peak value features on algorithm performance. (a) BS database; (b) IG database; (c) LC database

下载图片 查看原文

图 10. 色域映射图像实例。(a) MOS为0.6268;(b) MOS为0.5972;(c) MOS为0.2927;(d) MOS为0.1341

Fig. 10. Example of gamut mapping images. (a) MOS is 0.6268; (b) MOS is 0.5972; (c) MOS is 0.2927; (d) MOS is 0.1341

下载图片 查看原文

表 1色域映射图像质量评价数据库

Table1. Gamut mapping image quality evaluation databases

Database Referenceimage Distortedimage Evaluation GAM BS 97 1067 5199 11 IG 65 520 3698 8 LC 72 576 5209 8

查看原文

表 2不同算法在三个数据库中的性能对比

Table2. Performance comparison of different algorithms in three databases

Algorithm BS IG LC PLCC SRCC KRCC RMSE PLCC SRCC KRCC RMSE PLCC SRCC KRCC RMSE BRISQUE 0.7633 0.5678 0.4126 0.4386 0.5153 0.4654 0.3345 0.4739 0.5026 0.5274 0.3802 0.4229 BIQI 0.6188 0.4422 0.3135 0.5335 0.3680 0.3078 0.2227 0.5115 0.3777 0.3521 0.2486 0.4516 DESIQUE 0.8213 0.5941 0.4354 0.3878 0.5987 0.5666 0.4211 0.4440 0.5692 0.5973 0.4429 0.4367 DIIVINE 0.7339 0.5457 0.3949 0.4603 0.4289 0.3694 0.2694 0.4986 0.4210 0.4111 0.2920 0.4441 NFERM 0.7441 0.5556 0.4072 0.4539 0.4399 0.4150 0.2968 0.4942 0.4934 0.4985 0.3617 0.4263 BLIINDS_II 0.7081 0.5499 0.4031 0.4777 0.3646 0.3102 0.2184 0.5127 0.4274 0.3323 0.2370 0.4449 IDEAL 0.7859 0.6652 0.4994 0.4173 0.6195 0.6139 0.4550 0.4327 0.5780 0.5989 0.4417 0.3977 IL_NIQE 0.5545 0.4849 0.3937 0.4923 0.3560 0.3416 0.2808 0.4019 0.4748 0.3459 0.3439 0.3842 NIQE 0.5840 0.4479 0.3840 0.5132 0.3724 0.3667 0.2936 0.4675 0.4748 0.3247 0.2418 0.3458 Ours 0.8170 0.6774 0.5100 0.3918 0.7369 0.7086 0.5526 0.3773 0.6256 0.6154 0.4630 0.3849

查看原文

表 3不同算法的预测结果

Table3. Predicted results by different algorithms

Image MOS DESIQUE BRISQUE IL_NIQE IDEAL Ours Fig.10(a) 0.6268 21.2382 18.4999 20.5977 4.6353 0.6736 Fig.10(b) 0.5927 21.4467 20.2568 22.5301 4.7215 0.6213 Fig.10(c) 0.2927 22.1088 20.7486 22.2513 4.3958 0.3042 Fig.10(d) 0.1341 20.5985 26.2595 22.3621 4.1315 0.1556

查看原文

余伟, 徐晶晶, 刘玉英, 张俊升, 李腾腾. 基于自然场景统计的色域映射图像无参考质量评价[J]. 激光与光电子学进展, 2020, 57(14): 141006. Wei Yu, Jingjing Xu, Yuying Liu, Junsheng Zhang, Tengteng Li. No-Reference Quality Evaluation for Gamut Mapping Images Based on Natural Scene Statistics[J]. Laser & Optoelectronics Progress, 2020, 57(14): 141006.