《表1 在色彩还原数据集上的性能比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《亮度估计驱动的监控图像色彩还原性测试方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

对色彩还原性的预测值的准确性采用三个相关系数评估，分别是：SROCC(Spearman rank order correlation coefficient）、KROCC (Kendall rank order correlation coeffient）和PLCC(Pearson linear correlation coefficient）。三个系数的结果如表1所示。将算法和三个传统经典的无参质量评价方法IL-NIQE[12]、NIQMC[13]和BRISQUE[4]做了比较，从测试结果可以发现，本方法在三个指标上都取得了最佳的效果，从实验结果可以发现面向监控场景的图像传统的方法表现较差，拟合度均低于0.5，因为传统方法多基于自然图像分布的先验假设来做特征设计，而监控场景的图像采集与消费级的图像采集在CCD/CMOS和编码方式上都有较大差异，导致最终的特征拟合失效，而新提出的方法符合监控场景的图像先验概率分布具有较好的特征学习结果。因为所有算法在visual studio 2017下c++实现，单幅图像的预测时间小于1 s，具备实际的应用的能力。在此基础上，实际监控图像如图8所示进行实际场景的分析。在分析之前请3位技防专家对300幅实际监控图像进行了色彩还原性打分，参考MOS评分系统（1-5分评价），5分为还原性最好，1分为最差。将亮度特征和SIFT特征拟合到1-5分的评价系统来判断模型在实际系统中的准确性，在实际监控图像中实验发现拟合度大约在0.75左右，从而验证了本方法在实际监控系统中评价色彩还原性的有效性。