技術特征：

1.一種基于字典學習和人眼視覺特性的立體圖像質(zhì)量客觀測量方法，其特征在于該方法包括以下步驟：

步驟1、平面圖像質(zhì)量測量，具體是：

1.1訓練參考圖像字典：

假設有k對參考圖像，其中左右圖分別有k幅，對這些參考圖像分別進行字典訓練；以一張M×N像素的左圖為例，選取該圖8×8重疊塊m個，作為訓練樣本，構成矩陣Y_l，Y_l＝[y₁,y₂,…,y_m]∈R^n×m，其中y_i∈R^n×1(i∈[1,m])是由第i塊中n個像素逐列排序得到的向量，且n＝8×8＝64；用訓練樣本Y_l可以訓練得到過完備字典D_l＝[d₁,d₂,…,d_p]∈R^n×p，其中p>n；Y_l和D_l之間的關系用如下公式表示：

$\left\{\begin{array}{c}\underset{\{D_l,x\}}{min}\left|\right|x|{|}_0\\ \begin{array}{cc}s.t.& \left|\right|Y_l-D_{l}x|{|}_2\≤\mathrm{\ϵ}\end{array}\end{array}\right.$

其中||·||₀是l₀范數(shù)，用來計算矩陣中非零元素的個數(shù)，||·||₂是l₂范數(shù)；

x＝[x，₁x₂,…,x_m]∈R^p×m表示稀疏系數(shù)矩陣，最優(yōu)化目標是使得x中的非零個數(shù)最少，即最稀疏；限制條件是||Y_l-D_lx||₂小于給定的重建誤差ε；采用K-SVD算法和OMP算法進行字典學習和稀疏編碼，最后得到該左圖的字典D_l；同理可求與該左圖相應的右圖的字典D_r；

對k對參考圖像的左右圖分別進行字典學習，得到所有左圖字典D_L＝[D_l1,D_l2,…,D_lk]，其中D_li是其中第i幅左圖的字典，所有右圖字典D_R＝[D_r1,D_r2,…,D_rk]，其中D_rj是其中第j幅左圖的字典；

1.2稀疏系數(shù)相似度求解：

將所有參考圖像和失真圖像在其對應的字典上求解稀疏系數(shù)，并比較參考圖像稀疏系數(shù)和失真圖像稀疏系數(shù)的相似度；以兩張M×N像素的參考左圖和對應的jp2k失真左圖為例；首先對整張參考左圖進行8×8像素塊不重疊劃分，得到q片小塊；對每個小塊中的像素按列進行排序得到64×1的列向量其中i表示該圖片中的第i個小塊；q片小塊組成矩陣根據(jù)樣本矩陣和字典的關系，求得參考圖像在對應字典上的稀疏表示其中是字典D_i的廣義逆矩陣，同理可求jp2k失真左圖在該字典上的稀疏表示其中Y^dis是對該失真左圖進行8×8不重疊劃分后得到的矩陣，接下來對X^ref和X^dis中對應向量求稀疏系數(shù)相似度；

稀疏系數(shù)相似度從兩向量的角度差異和幅度值差異進行計算，以下為角度差異：

$P_i=\frac{2\<x_i^{ref},x_i^{dis}\>+c}{\left|\right|x_i^{ref}|{|}_2\·|\left|x_i^{dis}\right|{|}_2+c},(1\≤i\≤q)$

其中，和分別表示參考圖像和失真圖像的稀疏系數(shù)向量，<·>表示計算兩向量的內(nèi)積，c為常數(shù)；

幅度值差異計算公式如下：

$V_i=1-\frac{\left|\right|x_i^{ref}|{|}_2-|\left|x_i^{dis}\right|{|}_2+c}{\left|\right|x_i^{ref}|{|}_2+|\left|x_i^{dis}\right|{|}_2+c},(1\&le;i\&le;q)$

從而得到參考圖像某一8×8小塊與對應失真圖像上該小塊的稀疏系數(shù)相似度表達式為：

SCS_i＝P_i·V_i

最終得到參考左圖與對應的jp2k失真左圖的稀疏系數(shù)相似度，即為q個小塊的SCS均值：

$SCS=\frac{1}{q}\underset{i=1}{\overset{q}{\&Sigma;}}{\mathrm{SCS}}_i$

同理可得所有參考圖像與對應失真圖像的稀疏系數(shù)相似度；失真左、右圖的個數(shù)相等，假設都為t，則所有左圖稀疏系數(shù)相似度為SCS_L＝[SCS_l1,SCS_l2,…,SCS_lt]，其中SCS_li表示第i張失真左圖所求得的SCS均值，所有右圖稀疏系數(shù)相似度為SCS_R＝[SCS_r1,SCS_r2,…,SCS_rt]，其中SCS_lj表示第j張失真左圖所求得的SCS均值；

1.3左右圖像融合得到平面圖像質(zhì)量測量：

Q_{l_r}＝wSCS_l+(1-w)SCS_r

其中w表示在質(zhì)量測量時所左眼作出的貢獻，以及1-w表示右眼所作的貢獻；

步驟2、立體感知質(zhì)量測量，具體是：

2.1訓練參考圖像視差圖的字典

采用左右視點的絕對差值圖的特點來衡量立體感知質(zhì)量；分別對k對參考圖像進行水平視差計算，然后分別學習各自的字典；以一對M×N的參考圖像為例，視差空間圖像DSI的計算公式如下：

DSI(x,y；d)＝||I_L(x,y)-I_R(x-d,y)||²

其中，d為左右圖像的視差，且d∈[0,d_max),d_max為左右圖像的最大視差；

采用1.1中字典學習方法，選取該視差圖方差較大的8×8重疊塊m個，構成訓練矩陣Y_ref，Y_ref＝[y_ref1,y_ref2,…,y_refm]∈R^n×m，其中n＝64；用該樣本訓練得到過完備字典D_ref＝[d_ref1,d_ref2,…,d_refp]∈R^n×p，其中p>n；

同理可得全部參考圖像絕對視差圖的字典；

2.2求解參考圖像視差圖與失真圖像視差圖的稀疏系數(shù)相似度

以一對左右失真圖像為例，首先計算該對失真圖像的絕對視差圖，再將該差值圖采用1.2中的方法，分成8×8的不重疊小塊，將所有小塊進行編碼得到失真圖像視差圖矩陣樣本，在對應的參考圖像視差圖訓練得到的字典上進行稀疏表示X_disi＝[x_dis1,x_dis2,…,x_dism]∈R^p×m，其中x_disi是一個64×1的向量，表示失真圖像絕對差值圖中一個8×8小塊在字典上的稀疏表示；

同理可得該對失真圖像對應的參考圖像的絕對差值圖在對應的字典上求得的稀疏表示：X_refi＝[x_ref1,x_ref2,…,x_refst]∈R^p×m，其中x_refi是一個64×1的向量，表示參考圖像絕對差值圖中一個8×8小塊在字典上的稀疏表示；

根據(jù)1.2中稀疏系數(shù)相似度的定義，從兩向量的角度差異和幅度值差異進行計算從而得到失真圖像絕對差值圖和參考圖像絕對差值圖之間的稀疏系數(shù)相似值SCS；

同理可得所有失真圖像絕對差值圖和對應參考圖像絕對差值圖之間的稀疏系數(shù)相似度SCS_i；

步驟3、立體圖像質(zhì)量客觀測量

將平面圖像質(zhì)量和立體感知質(zhì)量兩部分融合得到立體圖像質(zhì)量客觀測量值，通過乘性組合方式結合平面圖像質(zhì)量測量值和深度感知質(zhì)量測量值得到最終的立體圖像質(zhì)量客觀測量值，其公式如下所示：

Q＝Q_{l_r}×(SCS)^λ

其中，Q_{l_r}表示平面圖像質(zhì)量測量值，SCS表示立體感知質(zhì)量測量值，λ是常數(shù)。