1.一种多曝光融合图像的视觉质量评估方法，其特征在于，包括以下步骤：提取多曝光融合图像的结构特征，其中，所述结构特征用于描述多曝光融合图像经过多曝光融合算法后的结构失真；

提取所述多曝光融合图像的自然性特征，其中，所述自然性特征用于描述多曝光融合图像经过多曝光融合算法后不自然的失真现象；

提取所述多曝光融合图像的色彩特征，其中，所述色彩特征用于描述多曝光融合图像经过多曝光融合算法后的色彩失真；

构建质量回归模型，利用所述质量回归模型对所述结构特征、所述自然性特征和所述色彩特征进行聚合，评估所述多曝光融合图像的视觉质量。

2.根据权利要求1所述的多曝光融合图像的视觉质量评估方法，其特征在于，提取多曝光融合图像的结构特征包括：

测量所述多曝光融合图像的曝光程度，区分曝光异常，其中，所述曝光异常包括曝光过度和曝光不足；

对所述多曝光融合图像进行处理，获取若干伪多曝光融合图像，计算所述多曝光融合图像与所述伪多曝光融合图像的梯度相似图；

基于所述曝光异常和梯度相似图，获取曝光加权的梯度相似度；

利用NSS模型，对所述多曝光融合图像的梯度域进行统计，获取多曝光融合图像的结构失真的补偿特征；

将所述多曝光融合图像进行分块，计算每个多曝光融合图像块的块熵值，基于所述块熵值，获得熵分布特征；

基于所述梯度相似图、所述结构失真的补偿特征和所述熵分布特征，获得所述多曝光融合图像的结构特征。

3.根据权利要求2所述的多曝光融合图像的视觉质量评估方法，其特征在于，测量所述多曝光融合图像的曝光程度，区分曝光异常包括：测量所述多曝光融合图像的归一化像素强度，计算所述归一化像素强度与预设值的距离，区分曝光异常。

4.根据权利要求2所述的多曝光融合图像的视觉质量评估方法，其特征在于，所述梯度相似图的计算方法为：

其中，Gs为梯度相似图，G为伪多曝光融合图像梯度图，GI为多曝光融合图像梯度图，C1为常数。

5.根据权利要求2所述的多曝光融合图像的视觉质量评估方法，其特征在于，所述曝光加权的梯度相似度为：

其中，Ge为曝光加权的梯度相似度，Gs为梯度相似图，E1为曝光图。

6.根据权利要求1所述的多曝光融合图像的视觉质量评估方法，其特征在于，提取所述多曝光融合图像的自然性特征包括：将所述多曝光融合图像转换为灰度图像，计算所述灰度图像的去均值对比度归一化系数，利用NSS模型对所述灰度图像的去均值对比度归一化系数进行统计，获得全局自然度特征；

计算图像的亮度、对比度的损失特征；

基于所述图像的亮度、对比度的损失特征和所述全局自然度特征，获取所述多曝光融合图像的自然性特征。

7.根据权利要求1所述的多曝光融合图像的视觉质量评估方法，其特征在于，提取所述多曝光融合图像的色彩特征包括：基于所述多曝光融合图像的RGB颜色通道，获取对色色彩空间，计算所述对色色彩空间的对比度能量，获得所述多曝光融合图像的色彩特征。

8.根据权利要求7所述的多曝光融合图像的视觉质量评估方法，其特征在于，所述对色色彩空间的对比度能量的计算方法为：其中，g∈{T1,T2}， 和 分别为MEF图像的红绿通道和黄蓝通道；

χ为校正和归一化所有滤波器响应的对比增益，θg为噪声阈值，ε为ρ(Ig)的最大值，ρ(Ig)为色彩通道的梯度。

9.根据权利要求1所述的多曝光融合图像的视觉质量评估方法，其特征在于，构建所述质量回归模型时，采用随机森林算法。