1.一种色调映射图像质量评价方法，其特征在于包括训练阶段和测试阶段两个过程；

所述的训练阶段过程的具体步骤为：

①_1、选取N幅宽度为W且高度为H的色调映射图像构成训练图像集，将训练图像集中的第k幅色调映射图像记为 其中，N为正整数，N＞1，k为正整数，k的初始值为1，1≤k≤N；

①_2、对训练图像集中的每幅色调映射图像进行区域划分，分成亮区域、暗区域和正常区域，将 的亮区域、暗区域和正常区域对应记为 和①_3、根据训练图像集中的每幅色调映射图像的亮区域和暗区域，计算训练图像集中的每幅色调映射图像的亮暗区域特征矢量，将 的亮暗区域特征矢量记为 并根据训练图像集中的每幅色调映射图像的亮区域、暗区域和正常区域，计算训练图像集中的每幅色调映射图像的区域对比度特征矢量，将 的区域对比度特征矢量记为 其中， 的维数为3×1， 的维数为8×1；

①_4、将训练图像集中的每幅色调映射图像的亮暗区域特征矢量和区域对比度特征矢量构成全局特征矢量，将 的全局特征矢量记为Fk， 其中，Fk的维数为11×1，符号“[]”为矢量表示符号， 表示将 和 连接起来形成一个矢量；

①_5、将训练图像集中的所有色调映射图像的全局特征矢量和平均主观评分差值构成训练样本数据集合，训练样本数据集合中包含N个全局特征矢量和N个平均主观评分差值；

然后采用支持向量回归作为机器学习的方法，对训练样本数据集合中的所有全局特征矢量进行训练，使得经过训练得到的回归函数值与平均主观评分差值之间的误差最小，拟合得到最优的权重矢量 和最优的偏置项 接着利用最优的权重矢量 和最优的偏置项构造质量预测模型，记为 其中， 为函数表示形式，F用于表示色调映射图像的全局特征矢量，且作为质量预测模型的输入矢量， 为 的转置， 为F的线性函数；

所述的测试阶段过程的具体步骤为：

②对于任意一幅用作测试的色调映射图像Itest，按照步骤①_2至步骤①_4相同的操作，获取Itest的全局特征矢量，记为Ftest；然后根据训练阶段构造的质量预测模型对Ftest进行测试，预测得到Ftest对应的预测值，将该预测值作为Itest的客观质量预测值，记为Qtest，其中，Itest的宽度为W'且高度为H'，Ftest的维数为11×1， 表示Ftest的线性函数。

2.根据权利要求1所述的一种色调映射图像质量评价方法，其特征在于所述的步骤①_

2中的 和 的获取过程为：

①_2a、将 在RGB颜色空间的R分量、G分量、B分量对应记为 然后计算 的暗通道图像，记为 将 中坐标位置为(x,y)的像素点的像素值记为其中，1≤x

≤W，1≤y≤H，min()为取最小值函数，Cx,y表示以坐标位置为(x,y)的像素点为中心的3×3邻域范围内的所有像素点的坐标位置构成的集合，(x1,y1)为Cx,y中的任意一个坐标位置，表示 中坐标位置为(x1,y1)的像素点的像素值， 表示 中坐标位置为(x1,y1)的像素点的像素值， 表示 中坐标位置为(x1,y1)的像素点的像素值；

①_2b、计算 的灰度直方图分布，记为{hk(j)|1≤j≤256}；然后将{hk(j)|1≤j≤

256}中所有直方图值不为零的节点中坐标最小的节点坐标记为Xmin，将{hk(j)|1≤j≤256}中所有直方图值不为零的节点中坐标最大的节点坐标记为Xmax，将 中像素值属于[Xmin,Xmid]范围内的所有像素点的像素值构成的集合记为Ω1，将 中像素值属于(Xmid,Xmax]范围内的所有像素点的像素值构成的集合记为Ω2；其中，j为正整数，1≤j≤256，hk(j)表示{hk(j)|1≤j≤256}中坐标为j的节点的直方图值， 符号 为向下取整操作符号；

*

① _2 c 、通过 最 大 化 Ω1 的 类 间 方差 ，获 得 第一 阈 值 ，记为 X 1 ，并通过最大化Ω2的类间方差，获*

得第二阈值，记为X2 ， 其中，

表示求取使得

的值最大时的X1的值，X1为Ω1中的任意一个像素

值，Pf(X1)表示Ω1中属于[Xmin,X1)范围内的所有像素值的概率密度函数，μf(X1)表示Ω1中属于[Xmin,X1)范围内的所有像素值的均值，σf(X1)表示Ω1中属于[Xmin,X1)范围内的所有像素值的标准差，μb(X1)表示Ω1中属于[X1,Xmid]范围内的所有像素值的均值，σb(X1)表示Ω1中属于[X1,Xmid]范围内的所有像素值的标准差，表示求取使得

的值最大时的X2的值，X2为Ω2中的任意一个像素

值，Pf(X2)表示Ω2中属于[Xmid,X2)范围内的所有像素值的概率密度函数，μf(X2)表示Ω2中属于[Xmid,X2)范围内的所有像素值的均值，σf(X2)表示Ω2中属于[Xmid,X2)范围内的所有像素值的标准差，μb(X2)表示Ω2中属于[X2,Xmax]范围内的所有像素值的均值，σb(X2)表示Ω2中属于[X2,Xmax]范围内的所有像素值的标准差；

①_2d、将 中像素值属于(X2*,Xmax]范围内的所有像素点构成的区域确定为亮区域将 中像素值属于[Xmin,X1*)范围内的所有像素点构成的区域确定为暗区域将 中像素值属于[X1*,X2*]范围内的所有像素点构成的区域确定为正常区域

3.根据权利要求1或2所述的一种色调映射图像质量评价方法，其特征在于所述的步骤①_3中的 的获取过程为：①_3a1、将 从RGB颜色空间转化为CIELAB颜色空间， 在CIELAB颜色空间的三个分量分别为亮度分量、第一色度分量和第二色度分量；

①_3b1、将 划分成M个互不重叠的尺寸大小为8×8的子块，如果 不能被尺寸大小为8×8的子块均分，则将多余的像素点去除；然后将 中的每个子块中的所有像素点的亮度分量组成一个维数为8×8的矩阵，将 中的第t个子块中的所有像素点的亮度分量组成的维数为8×8的矩阵记为zt；其中，M为正整数，M＞1，t为正整数，t的初始值为1，1≤t≤M；

①_3c1、对 中的每个子块中的所有像素点的亮度分量组成的维数为8×8的矩阵进行二维离散余弦变换，得到对应的离散余弦变换系数矩阵，将zt对应的离散余弦变换系数矩阵记为Zt；然后计算 中的每个子块对应的离散余弦变换系数矩阵中的所有高频系数与所有中频系数的和，将Zt中的所有高频系数与所有中频系数的和记为St；其中，Zt的维数为8×8；

①_3d1、计算 的特征，记为

①_3e1、计算 中的所有像素点的亮度分量的均值和标准差，对应记为 和①_3f1、将 和 按序排列构成的矢量作为

其中，符号“[]”为矢量表示符号， 表示将

和 连接起来形成一个矢量。

4.根据权利要求3所述的一种色调映射图像质量评价方法，其特征在于所述的步骤①_

3中的 的获取过程为：

①_3a2、将 从RGB颜色空间转化为CIELAB颜色空间， 在CIELAB颜色空间的三个分量分别为亮度分量、第一色度分量和第二色度分量；

①_3b2、计算 中的所有像素点的亮度分量和 中的所有像素点的亮度分量的第一区域对比度，记为 并计算 中的所有像素点的亮度分量和 中的所有像素点的亮度分量的第二区域对比度，记为其中，符号“| |”为取绝对值符号， 表示 中的所有

像素点的亮度分量的均值， 表示 中的所有像素点的亮度分量的标准差， 表示 中的所有像素点的亮度分量的均值， 表示 中的所有像素点的亮度分量的标准差，ξ为控制参数；

①_3c2、计算 中的所有像素点的亮度分量和 中的所有像素点的亮度分量的第一区域对比度，记为 并计算 中的所有像素点的亮度分量和 中的所有像素点的 亮度分量的第二区域对比 度，记为其中， 表示 中的所有像素点的亮度分量的均值，

表示 中的所有像素点的亮度分量的标准差；

①_3d2、计算 中的所有像素点的第一色度分量和 中的所有像素点的第一色度分量的第一区域对比度，记为 并计算 中的所有像素点的第一色度分量和 中的所有像素点的第一色度分量的第二区域对比度，记为其中， 表示 中的所有像素点的第一色度分量的均值， 表示 中的所有像素点的第一色度分量的标准差， 表示 中的所有像素点的第一色度分量的均值， 表示 中的所有像素点的第一色度分量的标准差；

①_3e2、计算 中的所有像素点的第一色度分量和 中的所有像素点的第一色度分量的第一区域对比度，记为 并计算 中的所有像素点的第一色度分量和 中的所有像素点的第一色度分量的第二区域对比度，记为其中， 表示 中的所有像素点的第一色度分量的均值， 表示 中的所有像素点的第一色度分量的标准差；

①_3f2、将 按序排列构成的矢量作

为 其中，符号“[]”为矢量表示符号，

表示将 和

连接起来形成一个矢量。