一種無參考模糊失真立體圖像質量評價方法
【專利摘要】本發(fā)明公開了一種無參考模糊失真立體圖像質量評價方法，其在訓練階段，選擇多幅無失真立體圖像和對應的模糊失真立體圖像構成訓練圖像集，然后采用Fast-ICA方法進行字典訓練操作，構造訓練圖像集中的每幅圖像的視覺字典表；通過計算每副無失真立體圖像和對應的模糊失真立體圖像的視覺字典表之間的距離，構造每副失真立體圖像的視覺字典表的視覺質量表；在測試階段，對于任意一副測試立體圖像，對測試立體圖像的左視點圖像和右視點圖像進行非重疊的分塊處理，然后根據(jù)已構造的視覺字典表和視覺質量表，獲取測試立體圖像的圖像質量客觀評價預測值；優(yōu)點是計算復雜度低，且客觀評價結果與主觀感知的相關性好。
【專利說明】一種無參考模糊失真立體圖像質量評價方法
【技術領域】
[0001]本發(fā)明涉及一種圖像質量評價方法，尤其是涉及一種無參考模糊失真立體圖像質量評價方法。
【背景技術】
[0002]隨著圖像編碼技術和立體顯示技術的迅速發(fā)展，立體圖像技術受到了越來越廣泛的關注與應用，已成為當前的一個研究熱點。立體圖像技術利用人眼的雙目視差原理，雙目各自獨立地接收來自同一場景的左視點圖像和右視點圖像，通過大腦融合形成雙目視差，從而欣賞到具有深度感和逼真感的立體圖像。與單通道圖像相比，立體圖像需要同時保證兩個通道的圖像質量，因此對其進行質量評價具有非常重要的意義。然而，目前對立體圖像質量缺乏有效的客觀評價方法進行評價。因此，建立有效的立體圖像質量客觀評價模型具有十分重要的意義。
[0003]由于影響立體圖像質量的因素較多，如左視點和右視點質量失真情況、立體感知情況、觀察者視覺疲勞等，因此如何有效地進行無參考質量評價是亟需解決的難點問題。目前的無參考質量評價通常采用機器學習來預測評價模型，計算復雜度較高，并且訓練模型需要預知各評價圖像的主觀評價值，并不適用于實際的應用場合，存在一定的局限性。稀疏表示將信號在已知的函數(shù)集上進行分解，力求在變換域上用盡量少的基函數(shù)來對原始信號進行逼近，目前的研究主要集中在字典構造和稀疏分解兩方面。稀疏表示的一個關鍵問題就是如何有效地構造字典來表征圖像的本質特征。目前已提出的字典構造算法包括:1)有學習過程的字典構造方法:通過機器學習來訓練得到字典信息，如支持向量機等；2)無學習過程的字典構造方法:直接 利用圖像的特征來構造字典，如多尺度Gabor字典、多尺度高斯字典等。因此，如何進行無學習過程的字典構造，如何根據(jù)字典來進行無參考的質量估計，都是在無參考質量評價研究中需要重點解決的技術問題。

【發(fā)明內容】

[0004]本發(fā)明所要解決的技術問題是提供一種無參考模糊失真立體圖像質量評價方法，其計算復雜度低，且能夠有效地提高客觀評價結果與主觀感知的相關性。
[0005]本發(fā)明解決上述技術問題所采用的技術方案為:一種無參考模糊失真立體圖像質量評價方法，其特征在于包括訓練階段和測試階段兩個過程，其中，
[0006]訓練階段包括以下步驟:
[0007]①-1、選取N幅原始的無失真立體圖像，然后將選取的N幅原始的無失真立體圖像和每幅原始的無失真立體圖像對應的模糊失真立體圖像構成訓練圖像集，記為{Si，OTg，Si，dis|l≤i≤N}，其中，Si，OTg表示{SymSwsIl≤i≤N}中的第i幅原始的無失真立體圖像，Sijdis表示味，。,8，Si；dis|l≤i≤N}中的第i幅原始的無失真立體圖像對應的模糊失真立體圖像；
[0008]①-2、對{Si，OTg, Sijdis I I≤i≤N}中的每幅模糊失真立體圖像的左視點圖像進行非重疊的分塊處理，然后采用Fast-1CA方法對由每幅模糊失真立體圖像的左視點圖像中的所有子塊構成的集合進行字典訓練操作，得到每幅模糊失真立體圖像的左視點圖像的視
覺字典表，將Siidis的左視點圖像的視覺字典表記為，其中，1>1桌的維數(shù)為64XK，K表示DLft中包含的視覺字典的總個數(shù)；
[0009]對{Si，OTg, Sijdis I ≤i ≤N}中的每幅模糊失真立體圖像的右視點圖像進行非重疊的分塊處理；然后采用Fast-1CA方法對由每幅模糊失真立體圖像的右視點圖像中的所有子塊構成的集合進行字典訓練操作，得到每幅模糊失真立體圖像的右視點圖像的視覺字典
表，將Sm1s的右視點圖像的視覺字典表記為DU，其中，dU的維數(shù)為64XK,K表示DU
中包含的視覺字典的總個數(shù)，與DJyif中包含的視覺字典的總個數(shù)一致；
[0010]對{Si，OTg, SijdisI I ≤i ≤N}中的每幅原始的無失真立體圖像的左視點圖像進行非重疊的分塊處理；然后采用Fast-1CA方法對由每幅原始的無失真立體圖像的左視點圖像中的所有子塊構成的集合進行字典訓練操作，得到每幅原始的無失真立體圖像的左視點
圖像的視覺字典表，將Si^g的左視點圖像的視覺字典表記為D丨.1*其中，％_的維數(shù)為
64XK，K表示中包含的視覺字典的總個數(shù)，與中各自包含的視覺字典的總個數(shù)一致；
[0011]對{Si，OTg, SijdisI I ≤i ≤N}中的每幅原始的無失真立體圖像的右視點圖像進行非重疊的分塊處理；然后采用Fast-1CA方法對由每幅原始的無失真立體圖像的右視點圖像中的所有子塊構成的集合進行字典訓練操作，得到每幅原始的無失真立體圖像的右視點
圖像的視覺字典表，將Si，卿的右視點圖像的視覺字典表記為K- *其中,的維數(shù)為
64XK, K表示DU中包含的視覺字典的總個數(shù)，與DU、DJyfe和中各自包含的視覺
字典的總個數(shù)一致；
[0012]①_3、通過計算{Si;OTg，Si，dis| I ≤i ≤N}中的每幅原始的無失真立體圖像的左視點圖像的視覺字典表與對應的模糊失真立體圖像的左視點圖像的視覺字典表之間的距離，獲取{Si，OTg，Si，dis| I ^ i ^ N}中的每幅模糊失真立體圖像的左視點圖像的視覺
字典表的視覺質量表，將Siidis的左視點圖像的視覺字典表1?*的視覺質量表記為(? ,
【權利要求】
1.一種無參考模糊失真立體圖像質量評價方法，其特征在于包括訓練階段和測試階段兩個過程，其中， 訓練階段包括以下步驟: ①-1、選取N幅原始的無失真立體圖像，然后將選取的N幅原始的無失真立體圖像和每幅原始的無失真立體圖像對應的模糊失真立體圖像構成訓練圖像集，記為K org, Si, dis 11≤i≤N}，其中，Si, org表示味，org, Si, dis 11≤i≤N}中的第i幅原始的無失真立體圖像，Si，dis表示{Si，OTg，Si；dis|l≤i≤N}中的第i幅原始的無失真立體圖像對應的模糊失真立體圖像； ①-2、對{Si，OTg，Si；dis| I ^ i ^ N}中的每幅模糊失真立體圖像的左視點圖像進行非重疊的分塊處理，然后采用Fast-1CA方法對由每幅模糊失真立體圖像的左視點圖像中的所有子塊構成的集合進行字典訓練操作，得到每幅模糊失真立體圖像的左視點圖像的視覺字典表，將Si，dis的左視點圖像的視覺字典表記為D'￡Jis,其中，Dljis的維數(shù)為64 X K，K表示DL中包含的視覺字典的總個數(shù)； 對{Si，OTg, SijdisI I ^ i ^ N}中的每幅模糊失真立體圖像的右視點圖像進行非重疊的分塊處理；然后采用Fast-1CA方法對由每幅模糊失真立體圖像的右視點圖像中的所有子塊構成的集合進行字典訓練操作，得到每幅模糊失真立體圖像的右視點圖像的視覺字典表，將Sn的右視點圖像的視覺字典表記為?其中，?'κ,α的維數(shù)為64ΧΚ，K表示D^ls中包含的視覺字典的總個數(shù)，與中包含的視覺字典的總個數(shù)一致； 對{Si，OTg, Si；dis| I ^ i ^ N}中的每幅原始的無失真立體圖像的左視點圖像進行非重疊的分塊處理；然后采用Fast-1CA方法對由每幅原始的無失真立體圖像的左視點圖像中的所有子塊構成的集合進行字典訓練操作，得到每幅原始的無失真立體圖像的左視點圖像的視覺字典表，將Si，OTg的左視點圖像的視覺字典表記為Di>efS，其中，的維數(shù)為64XK，K表示中包含的視覺字典的總個數(shù)，與1>1.;/?和1)丨',&中各自包含的視覺字典的總個數(shù)一致； 對{Si，OTg, Si；dis| I ^ i ^ N}中的每幅原始的無失真立體圖像的右視點圖像進行非重疊的分塊處理；然后采用Fast-1CA方法對由每幅原始的無失真立體圖像的右視點圖像中的所有子塊構成的集合進行字典訓練操作，得到每幅原始的無失真立體圖像的右視點圖像的視覺字典表，將Si^g的右視點圖像的視覺字典表記為，其中，Digf0m的維數(shù)為64XK，K表示中包含的視覺字典的總個數(shù)，與叭廉、料爲和礅釋中各自包含的視覺字典的總個數(shù)一致； ①-3、通過計算≤i≤N}中的每幅原始的無失真立體圖像的左視點圖像的視覺字典表與對應的模糊失真立體圖像的左視點圖像的視覺字典表之間的距離，獲取{SymSwJK i < N}中的每幅模糊失真立體圖像的左視點圖像的視覺字典表的視覺質量表，將Siidis的左視點圖像的視覺字典表DiiΛ的視覺質量表記為Qi ,
2.根據(jù)權利要求1所述的一種無參考模糊失真立體圖像質量評價方法，其特征在于所述的步驟①-2中Siidis的左視點圖像的視覺字典表Dl,A的獲取過程為:


al、將Siidis的左視點圖像劃分成
3.根據(jù)權利要求1或2所述的一種無參考模糊失真立體圖像質量評價方法，其特征在于所述的步驟①-3中取C1 = 0.6，C2 = 0.5。
4.根據(jù)權利要求3所述的一種無參考模糊失真立體圖像質量評價方法，其特征在于所述的步驟②的具體過程為:②-1、將Stest的左視點圖像記為Ltest，將Stest的右視點圖像記為Rtest，將Ltest和Rtest均
劃分成個互不重疊的尺寸大小為8X8的子塊，然后將由Ltest中的所有子塊構成的集 合記為
5.根據(jù)權利要求4所述的一種無參考模糊失真立體圖像質量評價方法，其特征在于所述的步驟②-3中取λ = 300。
【文檔編號】G06K9/66GK104036502SQ201410245174
【公開日】2014年9月10日 申請日期:2014年6月3日 優(yōu)先權日:2014年6月3日
【發(fā)明者】邵楓, 王珊珊, 李柯蒙 申請人:寧波大學