專(zhuān)利名稱(chēng)：一種基于視覺(jué)感知的立體圖像質(zhì)量客觀(guān)評(píng)價(jià)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種圖像質(zhì)量評(píng)價(jià)方法，尤其是涉及一種基于視覺(jué)感知的立體圖像質(zhì)量客觀(guān)評(píng)價(jià)方法。
背景技術(shù)：
隨著圖像編碼技術(shù)和立體顯示技術(shù)的迅速發(fā)展，立體圖像技術(shù)受到了越來(lái)越廣泛的關(guān)注與應(yīng)用，已成為當(dāng)前的一個(gè)研究熱點(diǎn)。立體圖像技術(shù)利用人眼的雙目視差原理，雙目各自獨(dú)立地接收來(lái)自同一場(chǎng)景的左右視點(diǎn)圖像，通過(guò)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。由于采集系統(tǒng)、存儲(chǔ)壓縮及傳輸設(shè)備的影響，立體圖像會(huì)不可避免地引入一系列的失真，而與單通道圖像相比，立體圖像需要同時(shí)保證兩個(gè)通道的圖像質(zhì)量，對(duì)其進(jìn)行質(zhì)量評(píng)價(jià)具有非常重要的意義。然而，目前對(duì)立體圖像質(zhì)量缺乏有效的客觀(guān)評(píng)價(jià)方法進(jìn)行評(píng)價(jià)。因此，建立有效的立體圖像質(zhì)量客觀(guān)評(píng)價(jià)模型具有十分重要的意義。立體圖像質(zhì)量客觀(guān)評(píng)價(jià)方法主要可以分為兩類(lèi)1)基于圖像質(zhì)量的左右通道圖像質(zhì)量評(píng)價(jià)，其將平面圖像質(zhì)量評(píng)價(jià)方法直接應(yīng)用于評(píng)價(jià)立體圖像質(zhì)量，然而對(duì)立體圖像的左右視點(diǎn)圖像進(jìn)行融合產(chǎn)生立體感的過(guò)程還難以用簡(jiǎn)單的數(shù)學(xué)方法來(lái)表示，并且左右視點(diǎn)圖像之間還存在相互影響，對(duì)左右視點(diǎn)圖像進(jìn)行簡(jiǎn)單線(xiàn)性加權(quán)難以有效地評(píng)價(jià)立體圖像質(zhì)量；2)基于立體感知的左右通道圖像質(zhì)量評(píng)價(jià)，其通過(guò)視差信息或深度信息來(lái)反映，然而由于目前視差估計(jì)及深度估計(jì)技術(shù)的局限，如何有效地對(duì)深度圖像或視差圖像質(zhì)量進(jìn)行評(píng)價(jià)以真實(shí)地表征立體感知特性，仍然是立體圖像質(zhì)量客觀(guān)評(píng)價(jià)中的難點(diǎn)問(wèn)題之一。因此， 如何將圖像質(zhì)量和深度感知信息同時(shí)結(jié)合到評(píng)價(jià)方法中，使得評(píng)價(jià)結(jié)果更加感覺(jué)符合人類(lèi)視覺(jué)系統(tǒng)，都是在對(duì)立體圖像進(jìn)行客觀(guān)質(zhì)量評(píng)價(jià)過(guò)程中需要研究解決的問(wèn)題。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種能夠有效提高客觀(guān)評(píng)價(jià)結(jié)果與主觀(guān)感知的相關(guān)性的立體圖像質(zhì)量客觀(guān)評(píng)價(jià)方法。本發(fā)明解決上述技術(shù)問(wèn)題所采用的技術(shù)方案為一種基于視覺(jué)感知的立體圖像質(zhì)量客觀(guān)評(píng)價(jià)方法，其特征在于包括以下步驟①令S g為原始的無(wú)失真的立體圖像，令為待評(píng)價(jià)的失真的立體圖像，將Stffg 的左視點(diǎn)圖像記為{L g(x，y)}，將S g的右視點(diǎn)圖像記為{R g(x，y)}，將的左視點(diǎn)圖像記為{Ldis(x，y)}，將的右視點(diǎn)圖像記為IRdis(x，y)}，其中，(x, y)表示左視點(diǎn)圖像和右視點(diǎn)圖像中像素點(diǎn)的坐標(biāo)位置，W表示左視點(diǎn)圖像和右視點(diǎn)圖像的寬度，H表示左視點(diǎn)圖像和右視點(diǎn)圖像的高度，L g(x，y)表示Stffg的左視點(diǎn)圖像{L g(X， y)}中坐標(biāo)位置為(x，y)的像素點(diǎn)的像素值，R g(x，y)表示S g的右視點(diǎn)圖像{R g(x，y)} 中坐標(biāo)位置為(x, y)的像素點(diǎn)的像素值，Ldis(X，y)表示、is的左視點(diǎn)圖像{Ldis(x, y)}中坐標(biāo)位置為(χ，y)的像素點(diǎn)的像素值，Rdis(χ，y)表示Sis的右視點(diǎn)圖像IRdis(x，y)}中坐標(biāo)位置為(X，y)的像素點(diǎn)的像素值；②利用人類(lèi)視覺(jué)對(duì)背景光照和紋理的視覺(jué)掩蔽效應(yīng)，分別提取出無(wú)失真的左視點(diǎn)圖像{L g(x，y)}和無(wú)失真的右視點(diǎn)圖像{R g(X，y)}的最小可察覺(jué)失真圖像，將無(wú)失真的左視點(diǎn)圖像{L g(x，y)}的最小可察覺(jué)失真圖像記為！Λ(χ，y)}，將無(wú)失真的右視點(diǎn)圖像 {Rorg(x, y)}的最小可察覺(jué)失真圖像記為{JK(x，y)}，其中，Jl(χ，y)表示Ul(χ，y)}中坐標(biāo)位置為(χ, y)的像素點(diǎn)的像素值，Je(χ, y)表示{JE(χ, y)}中坐標(biāo)位置為(χ, y)的像素點(diǎn)的像素值；③通過(guò)區(qū)域檢測(cè)算法分別獲得無(wú)失真的左視點(diǎn)圖像{L g(x，y)}和失真的左視點(diǎn)圖像ILdis (x，y)}、無(wú)失真的右視點(diǎn)圖像{R g(x，y)}和失真的右視點(diǎn)圖像{Rdis(x，y)}中的每個(gè)8X8子塊的塊類(lèi)型，記為p，其中，ρ e {l，2，3，4}，p = 1表示強(qiáng)邊緣塊，ρ = 2表示弱邊緣塊，ρ = 3表示平滑塊，ρ = 4表示紋理塊；④根據(jù)無(wú)失真的左視點(diǎn)圖像{L g(x，y)}的最小可察覺(jué)失真圖像{Jjx，y)}和無(wú)失真的右視點(diǎn)圖像{R g(x，yM的最小可察覺(jué)失真圖像Uk(x，y)}，通過(guò)計(jì)算失真的左視點(diǎn)圖像ILdis(x，y)}中各種塊類(lèi)型的8X8子塊的用于反映圖像質(zhì)量的空間噪聲強(qiáng)度和用于反映圖像質(zhì)量的空間結(jié)構(gòu)強(qiáng)度，及失真的右視點(diǎn)圖像{Rdis(x，y)}中各種塊類(lèi)型的8X8子塊的用于反映圖像質(zhì)量的空間噪聲強(qiáng)度和用于反映圖像質(zhì)量的空間結(jié)構(gòu)強(qiáng)度，分別得到失真的左視點(diǎn)圖像ILdis(x，y)}的用于反映圖像質(zhì)量的特征矢量和失真的右視點(diǎn)圖像{Rdis(x，y)} 的用于反映圖像質(zhì)量的特征矢量，再對(duì)失真的左視點(diǎn)圖像ILdis(x，y)}和失真的右視點(diǎn)圖像 {Rdis(x, y)}的用于反映圖像質(zhì)量的特征矢量進(jìn)行線(xiàn)性加權(quán)，得到的用于反映圖像質(zhì)量的特征矢量，記為F,;⑤根據(jù)無(wú)失真的左視點(diǎn)圖像{L g(x，y)}的最小可察覺(jué)失真圖像a(x，y)}和無(wú)失真的右視點(diǎn)圖像{R g(x，yM的最小可察覺(jué)失真圖像Uk(x，y)}，通過(guò)計(jì)算失真的左視點(diǎn)圖像ILdis(X，y)}和失真的右視點(diǎn)圖像IRdis(X，y)}的絕對(duì)差值圖像中各種塊類(lèi)型的8X8子塊的用于反映深度感知的空間噪聲強(qiáng)度和用于反映深度感知的空間結(jié)構(gòu)強(qiáng)度，得到的用于反映深度感知的特征矢量，記為Fs ；⑥將的用于反映圖像質(zhì)量的特征矢量Ftl和用于反映深度感知的特征矢量Fs 組成新的特征矢量，作為的特征矢量，記為X，X= [Fq，F(xiàn)s]，“[]”為矢量表示符號(hào)，[Fq, FJ表示將特征矢量Ftl和特征矢量Fs連接起來(lái)形成一個(gè)新的特征矢量；⑦采用η幅無(wú)失真的立體圖像，建立其在不同失真類(lèi)型不同失真程度下的失真立體圖像集合，該失真立體圖像集合包括多幅失真的立體圖像，利用主觀(guān)質(zhì)量評(píng)價(jià)方法分別獲取失真立體圖像集合中每幅失真的立體圖像的平均主觀(guān)評(píng)分差值，記為DMOS，DMOS = 100-M0S，其中，MOS表示主觀(guān)評(píng)分均值，DMOS e
，η彡1 ；⑧采用與計(jì)算Sdis的特征矢量X相同的方法，分別計(jì)算失真立體圖像集合中每幅失真的立體圖像的特征矢量，對(duì)于失真立體圖像集合中第i幅失真的立體圖像的特征矢量，將其記為&，其中，Ki Sn'，η'表示失真立體圖像集合中包含的失真的立體圖像的幅數(shù)；⑨采用支持向量回歸對(duì)失真立體圖像集合中相同失真類(lèi)型的所有的失真的立體圖像的特征矢量進(jìn)行訓(xùn)練，并利用訓(xùn)練得到的支持向量回歸訓(xùn)練模型對(duì)同一失真類(lèi)型的每幅失真的立體圖像進(jìn)行測(cè)試，計(jì)算得到失真立體圖像集合中相同失真類(lèi)型的每幅失真的立體圖像的客觀(guān)質(zhì)量評(píng)價(jià)預(yù)測(cè)值，對(duì)于失真立體圖像集合中第i幅失真的立體圖像的客觀(guān)質(zhì)量評(píng)價(jià)預(yù)測(cè)值，將其記為QijQi = f (Xi)^fO為函數(shù)表示形式，Qi = fog表示Qi SXi的函數(shù)，其中，Ki Sn' ,η'表示失真立體圖像集合中包含的失真的立體圖像的幅數(shù)。所述的步驟②的具體過(guò)程為②-1、計(jì)算無(wú)失真的左視點(diǎn)圖像{L。 (x，y)}的背景光照的視覺(jué)掩蔽效應(yīng)的可視
化閾值集合，記為IT1 (x, y)}，
權(quán)利要求
1. 一種基于視覺(jué)感知的立體圖像質(zhì)量客觀(guān)評(píng)價(jià)方法，其特征在于包括以下步驟①令S g為原始的無(wú)失真的立體圖像，令為待評(píng)價(jià)的失真的立體圖像，將S。rg的左視點(diǎn)圖像記為{L g (X，y)}，將S g的右視點(diǎn)圖像記為{R g (X，y)}，將的左視點(diǎn)圖像記為 ILdis(X，y)}，將Sdis的右視點(diǎn)圖像記為IRdis(X，y)}，其中，(x, y)表示左視點(diǎn)圖像和右視點(diǎn)圖像中像素點(diǎn)的坐標(biāo)位置，1 ^ x^ff,l ^ y^ H，W表示左視點(diǎn)圖像和右視點(diǎn)圖像的寬度， H表示左視點(diǎn)圖像和右視點(diǎn)圖像的高度，L g(x，y)表示S g的左視點(diǎn)圖像{L g(x，y)}中坐標(biāo)位置為(χ，y)的像素點(diǎn)的像素值，Rorg(x, y)表示S g的右視點(diǎn)圖像{R g(x，y)}中坐標(biāo)位置為(X，y)的像素點(diǎn)的像素值，Ldis(X，y)表示Sis的左視點(diǎn)圖像ILdis(X，y)}中坐標(biāo)位置為(χ，y)的像素點(diǎn)的像素值，Rdis(χ，y)表示的右視點(diǎn)圖像IRdis(x，y)}中坐標(biāo)位置為(χ，y)的像素點(diǎn)的像素值；②利用人類(lèi)視覺(jué)對(duì)背景光照和紋理的視覺(jué)掩蔽效應(yīng)，分別提取出無(wú)失真的左視點(diǎn)圖像 {L g(X，y)}和無(wú)失真的右視點(diǎn)圖像{R g(x，y)}的最小可察覺(jué)失真圖像，將無(wú)失真的左視點(diǎn)圖像{L g(x，y)}的最小可察覺(jué)失真圖像記為{Jl(X，y)}，將無(wú)失真的右視點(diǎn)圖像{R g(x， y)}的最小可察覺(jué)失真圖像記為IJe(χ, y)}，其中，Jl(χ, y)表示{JL(χ, y)}中坐標(biāo)位置為 (χ, y)的像素點(diǎn)的像素值，Je(χ, y)表示{JE(χ, y)}中坐標(biāo)位置為(χ, y)的像素點(diǎn)的像素值；③通過(guò)區(qū)域檢測(cè)算法分別獲得無(wú)失真的左視點(diǎn)圖像{L g(X，y)}和失真的左視點(diǎn)圖像 ILdis(χ，y)}、無(wú)失真的右視點(diǎn)圖像{R g(x，y)}和失真的右視點(diǎn)圖像{Rdis(x，y)}中的每個(gè) 8X8子塊的塊類(lèi)型，記為p，其中，ρ e {l，2，3，4}，p = 1表示強(qiáng)邊緣塊，ρ = 2表示弱邊緣塊，P = 3表示平滑塊，ρ = 4表示紋理塊；④根據(jù)無(wú)失真的左視點(diǎn)圖像{L g(x，y)}的最小可察覺(jué)失真圖像！Λ(χ，y)}和無(wú)失真的右視點(diǎn)圖像{R g(x，y)}的最小可察覺(jué)失真圖像Uk(x，y)}，通過(guò)計(jì)算失真的左視點(diǎn)圖像 ILdis(χ，y)}中各種塊類(lèi)型的8X8子塊的用于反映圖像質(zhì)量的空間噪聲強(qiáng)度和用于反映圖像質(zhì)量的空間結(jié)構(gòu)強(qiáng)度，及失真的右視點(diǎn)圖像IRdis(χ，y)}中各種塊類(lèi)型的8X8子塊的用于反映圖像質(zhì)量的空間噪聲強(qiáng)度和用于反映圖像質(zhì)量的空間結(jié)構(gòu)強(qiáng)度，分別得到失真的左視點(diǎn)圖像ILdis(x，y)}的用于反映圖像質(zhì)量的特征矢量和失真的右視點(diǎn)圖像IRdis(x，y)}的用于反映圖像質(zhì)量的特征矢量，再對(duì)失真的左視點(diǎn)圖像ILdis(X，y)}和失真的右視點(diǎn)圖像 {Rdis(x, y)}的用于反映圖像質(zhì)量的特征矢量進(jìn)行線(xiàn)性加權(quán)，得到的用于反映圖像質(zhì)量的特征矢量，記為F,;⑤根據(jù)無(wú)失真的左視點(diǎn)圖像{L g(x，y)}的最小可察覺(jué)失真圖像！Λ(χ，y)}和無(wú)失真的右視點(diǎn)圖像{R g(x，y)}的最小可察覺(jué)失真圖像Uk(x，y)}，通過(guò)計(jì)算失真的左視點(diǎn)圖像 ILdis(x，y)}和失真的右視點(diǎn)圖像{Rdis(x，y)}的絕對(duì)差值圖像中各種塊類(lèi)型的8X8子塊的用于反映深度感知的空間噪聲強(qiáng)度和用于反映深度感知的空間結(jié)構(gòu)強(qiáng)度，得到Sdis的用于反映深度感知的特征矢量，記為Fs ；⑥將的用于反映圖像質(zhì)量的特征矢量F,和用于反映深度感知的特征矢量Fs組成新的特征矢量，作為的特征矢量，記為X，X= [H]，“ □”為矢量表示符號(hào)，[Fq，F(xiàn)s]表示將特征矢量F,和特征矢量Fs連接起來(lái)形成一個(gè)新的特征矢量；⑦采用η幅無(wú)失真的立體圖像，建立其在不同失真類(lèi)型不同失真程度下的失真立體圖像集合，該失真立體圖像集合包括多幅失真的立體圖像，利用主觀(guān)質(zhì)量評(píng)價(jià)方法分別獲取失真立體圖像集合中每幅失真的立體圖像的平均主觀(guān)評(píng)分差值，記為DMOS，DMOS = 100-M0S，其中，MOS表示主觀(guān)評(píng)分均值，DMOS e
，η彡1 ；⑧采用與計(jì)算的特征矢量X相同的方法，分別計(jì)算失真立體圖像集合中每幅失真的立體圖像的特征矢量，對(duì)于失真立體圖像集合中第i幅失真的立體圖像的特征矢量，將其記為&，其中，KiSn' ,η'表示失真立體圖像集合中包含的失真的立體圖像的幅數(shù)；⑨采用支持向量回歸對(duì)失真立體圖像集合中相同失真類(lèi)型的所有的失真的立體圖像的特征矢量進(jìn)行訓(xùn)練，并利用訓(xùn)練得到的支持向量回歸訓(xùn)練模型對(duì)同一失真類(lèi)型的每幅失真的立體圖像進(jìn)行測(cè)試，計(jì)算得到失真立體圖像集合中相同失真類(lèi)型的每幅失真的立體圖像的客觀(guān)質(zhì)量評(píng)價(jià)預(yù)測(cè)值，對(duì)于失真立體圖像集合中第i幅失真的立體圖像的客觀(guān)質(zhì)量評(píng)價(jià)預(yù)測(cè)值，將其記為Qi, Qi = fog，f()為函數(shù)表示形式，Qi = fOQ表示仏為&的函數(shù)， 其中，Ki Sn' ,η'表示失真立體圖像集合中包含的失真的立體圖像的幅數(shù)。
2.根據(jù)權(quán)利要求1所述的一種基于視覺(jué)感知的立體圖像質(zhì)量客觀(guān)評(píng)價(jià)方法，其特征在于所述的步驟②的具體過(guò)程為②-1、計(jì)算無(wú)失真的左視點(diǎn)圖像{L E(X，y)}的背景光照的視覺(jué)掩蔽效應(yīng)的可視化閾值集合，記為
3.根據(jù)權(quán)利要求1或2所述的一種基于視覺(jué)感知的立體圖像質(zhì)量客觀(guān)評(píng)價(jià)方法，其特征在于所述的步驟③中的區(qū)域檢測(cè)算法的具體過(guò)程為③-1、分別將無(wú)失真的左視點(diǎn)圖像{L g(x，y)}和失真的左視點(diǎn)圖像ILdis(X，y)}分WxH成^^個(gè)互不重疊的8X8子塊，定義無(wú)失真的左視點(diǎn)圖像{L g(x，y)}中的第1個(gè)8X8 8x8子塊為當(dāng)前第一子塊，記為[/Γ(Χ2，>^，定義失真的左視點(diǎn)圖像ILdis(X，y)}中的第1個(gè)WxHSX8子塊為當(dāng)前第二子塊，記為[/六x2，;;2)}，其中，(X2, y2)表示當(dāng)前第一子塊[/；°化，和當(dāng)前第二子塊[//( ，中像素點(diǎn)的坐標(biāo)位置，1 < X2 ^ 8, Y2 ^ 8, y;°(x2,_y2)表示當(dāng)前第一子塊t/r(x2，>g}中坐標(biāo)位置為(x2，y2)的像素點(diǎn)的像素值，y;d(x2,_y2) 表示當(dāng)前第二子塊[Ax2，中坐標(biāo)位置為(x2，y2)的像素點(diǎn)的像素值；③_2、分別計(jì)算當(dāng)前第一子塊[/T(X2J2)丨和當(dāng)前第二子塊{/d(x2，>g}中所有像素點(diǎn)的梯度值，對(duì)于當(dāng)前第一子塊[//( ，凡)j中坐標(biāo)位置為(X2' ,I2')的像素點(diǎn)，將其梯度值記為 P。(x2'，y2' )，P。(x2'，y2' ) = |G0X(x2'，y2' )| + |Goy(x2'，y2' )|，對(duì)于當(dāng)前第二子塊 {#( ，中坐標(biāo)位置為(X2'，y2')的像素點(diǎn)，將其梯度值記為PdOc2'，y2' ),Pd(x2'， y2' ) = |Gdx(x2' ,I2' ) | + |Gdy(x2' ,Y2' )|，其中，1<&' <8，Ky2' <8，GoxOc2'， Y2‘)表示當(dāng)前第一子塊，_y2)j中坐標(biāo)位置為(X2' , Y2‘)的像素點(diǎn)的水平梯度值， Goy(X2'，y2')表示當(dāng)前第一子塊中坐標(biāo)位置為(X2'，y2')的像素點(diǎn)的垂直梯度值，GdxOc2' ,Y2')表示當(dāng)前第二子塊中坐標(biāo)位置為(X2' ,Y2')的像素點(diǎn)的水平梯度值，(^(X2'，y2')表示當(dāng)前第二子塊·，中坐標(biāo)位置為(X2'，y2')的像素點(diǎn)的垂直梯度值，“ 11 ”為求絕對(duì)值符號(hào)；③-3、找出當(dāng)前第一子塊[/Γ(χ2,八)j中所有像素點(diǎn)的梯度值的最大值，記為Gmax，然后根據(jù)Gmax計(jì)算第一梯度閾值和第二梯度閾值，分別記為T(mén)1和T2，T1 = O-^XGfflax, T2 = 0. 06 X Gmax;③-4、對(duì)于當(dāng)前第一子塊[/T(x2,_y2)j中坐標(biāo)位置為(V，y2')的像素點(diǎn)和當(dāng)前第二子塊[//( ，_y2)j中坐標(biāo)位置為(V，y2')的像素點(diǎn)，判斷P。(V，y2' )> \且PdOc2'， Y2‘ )> T1是否成立，如果是，則判定當(dāng)前第一子塊_y2)j中坐標(biāo)位置為(X2'，y2')的像素點(diǎn)和當(dāng)前第二子塊[//&2，_y2)j中坐標(biāo)位置為(X2'，Y2‘)的像素點(diǎn)均為強(qiáng)邊緣區(qū)域，Num1 = Numi+1，然后執(zhí)行步驟③_8，否則，執(zhí)行步驟③-5，其中，Num1的初始值為0 ； ③-5、判斷 P。(x2' , y2' )> \ 且 Pd(x2' , y2' )<= T1，或者 Pd(x2' , y2' )> \且P。(x2' ,y2' )<= T1是否成立，如果是，則判定當(dāng)前第一子塊_y2)j中坐標(biāo)位置為(χ2'，Y2 ‘)的像素點(diǎn)和當(dāng)前第二子塊，中坐標(biāo)位置為(X2'，Y2 ‘)的像素點(diǎn)均為弱邊緣區(qū)域，Num2 = Num2+1，然后執(zhí)行步驟③_8，否則，執(zhí)行步驟③-6，其中，Num2的初始值為0;③-6、判斷P。(x2' ,J2' )<T2且Pd(x2'，y2' ) < T1是否成立，如果是，則判定當(dāng)前第一子塊{//^，凡》中坐標(biāo)位置為(V，I2')的像素點(diǎn)和當(dāng)前第二子塊[/T^2J2;*丨中坐標(biāo)位置為(X2'，I2')的像素點(diǎn)均為平滑區(qū)域，Num3 = Num3+1，然后執(zhí)行步驟③-8，否則， 執(zhí)行步驟③_7，其中，Num3的初始值為0 ；③-7、判定當(dāng)前第一子塊
4.根據(jù)權(quán)利要求3所述的一種基于視覺(jué)感知的立體圖像質(zhì)量客觀(guān)評(píng)價(jià)方法，其特征在于所述的步驟④的具體過(guò)程為④-1、計(jì)算失真的左視點(diǎn)圖像ILdis(x，y)}中所有塊類(lèi)型為k的8X8子塊的用于反映圖像質(zhì)量的空間噪聲強(qiáng)度，記為{fqk(x2，y2)}，對(duì)于失真的左視點(diǎn)圖像ILdis(x，y)}中塊類(lèi)型為k的8X8子塊中坐標(biāo)位置為(x2，y2)的像素點(diǎn)，將其用于反映圖像質(zhì)量的空間噪聲強(qiáng)度記為偽
5.根據(jù)權(quán)利要求4所述的一種基于視覺(jué)感知的立體圖像質(zhì)量客觀(guān)評(píng)價(jià)方法，其特征在于所述的步驟⑤的具體過(guò)程為⑤-1、分別計(jì)算無(wú)失真的左視點(diǎn)圖像{L g(x，y)}和無(wú)失真的右視點(diǎn)圖像{R g(x，y)} 的絕對(duì)差值圖像、失真的左視點(diǎn)圖像ILdis(X，y)}和失真的右視點(diǎn)圖像{Rdis(x，y)}的絕對(duì)差值圖像及無(wú)失真的左視點(diǎn)圖像{L g(x，y)}的最小可察覺(jué)失真圖像！Λ(χ，y)}和無(wú)失真的右視點(diǎn)圖像{R g(x，y)}的最小可察覺(jué)失真圖像{JK(x，y)}的絕對(duì)差值圖像，分別記為 {D。rg (χ, y)}、{Ddis (χ, y)}和{ Δ J (x，y)}，Dorg (χ, y) = | Lorg (χ, y) -Rorg (χ, y) , Ddis (χ, y)= Ldis (χ，y) -Rdis (χ，y) I，AJ (χ, y) = | Jl (χ, y)-Je (χ, y) I，其中，D。rg (χ, y)表示{Dorg (χ, y)}中坐標(biāo)位置為(χ, y)的像素點(diǎn)的像素值，Ddis (X，y)表示{Ddis(x, y)}中坐標(biāo)位置為(x, y) 的像素點(diǎn)的像素值，ΔΚχ，y)表示{AJ(X，y)}中坐標(biāo)位置為(x，y)的像素點(diǎn)的像素值， “I I”為求絕對(duì)值符號(hào)；⑤-2、采用與步驟③相同的操作，分別獲取{D g(x，y)}和{Ddis(x，y)}中的每個(gè)8X8子塊的塊類(lèi)型；⑤-3、計(jì)算{Ddis(x，y)}中所有塊類(lèi)型為k的8X8子塊的用于反映深度感知的空間噪聲強(qiáng)度，記為{fdk(x2，y2)}，對(duì)于{Ddis(x，y)}中塊類(lèi)型為k的8X8子塊中坐標(biāo)位置為(X2，I2)的像素點(diǎn)，將其用于反映深度感知的空間噪聲強(qiáng)度記為fdk(X2，y2)，
6.根據(jù)權(quán)利要求5所述的一種基于視覺(jué)感知的立體圖像質(zhì)量客觀(guān)評(píng)價(jià)方法，其特征在于所述的步驟⑨的具體過(guò)程為⑨-1、將失真立體圖像集合中同一失真類(lèi)型的所有的失真的立體圖像分成互不相交的 5組子集，任意選擇其中的4組子集構(gòu)成訓(xùn)練樣本數(shù)據(jù)集合，記為Qti，{Xk,DMOSJ e Qti，其中，q表示訓(xùn)練樣本數(shù)據(jù)集合Ω q中包含的失真的立體圖像的幅數(shù)，Xk表示訓(xùn)練樣本數(shù)據(jù)集合Ω ^中第k幅失真的立體圖像的特征矢量，DMOSk表示訓(xùn)練樣本數(shù)據(jù)集合Ω ^中第k幅失真的立體圖像的平均主觀(guān)評(píng)分差值，l^k^q；⑨-2、構(gòu)造&的回歸函數(shù)f (Xk)，/(Xt) = w>(X,) + 6，其中，f ()為函數(shù)表示形式，w為權(quán)重矢量，Wt為W的轉(zhuǎn)置矩陣，b為偏置項(xiàng)，樹(shù)XJ表示訓(xùn)練樣本數(shù)據(jù)集合Qtl中第k幅失真的立體圖像的特征矢量&的線(xiàn)性函數(shù)，樹(shù)='D(XkjX1)為支持向量回歸中的核函數(shù)，
7.根據(jù)權(quán)利要求6所述的一種基于視覺(jué)感知的立體圖像質(zhì)量客觀(guān)評(píng)價(jià)方法，其特征在于所述的步驟④和步驟⑧中在計(jì)算JPEG壓縮失真的立體圖像的用于反映圖像質(zhì)量的特征矢量過(guò)程中，取Wl = 0. 50, wE = 0. 50 ；在計(jì)算JPEG2000壓縮失真的立體圖像的用于反映圖像質(zhì)量的特征矢量過(guò)程中，取I = 0. 15，wE = 0. 85 ；在計(jì)算高斯模糊失真的立體圖像的用于反映圖像質(zhì)量的特征矢量過(guò)程中，取I = 0. 10，wE = 0. 90 ；在計(jì)算白噪聲失真的立體圖像的用于反映圖像質(zhì)量的特征矢量過(guò)程中，取W = 0. 20，wE = 0. 80 ；在計(jì)算H. 264編碼失真的立體圖像的用于反映圖像質(zhì)量的特征矢量過(guò)程中，取W = 0. 10，wE = 0. 90。
全文摘要
本發(fā)明公開(kāi)了一種基于視覺(jué)感知的立體圖像質(zhì)量客觀(guān)評(píng)價(jià)方法，首先將立體圖像劃分為強(qiáng)邊緣塊、弱邊緣塊、平坦塊及紋理塊，并通過(guò)計(jì)算提取出不同區(qū)域塊的反映圖像質(zhì)量和深度感知的特性信息，得到立體圖像特性矢量；然后通過(guò)支持向量回歸對(duì)失真立體圖像集合中相同失真類(lèi)型的失真立體圖像的特征矢量進(jìn)行訓(xùn)練，并利用支持向量回歸訓(xùn)練模型對(duì)同一失真類(lèi)型的每幅失真立體圖像進(jìn)行測(cè)試，得到每幅失真立體圖像的客觀(guān)圖像質(zhì)量評(píng)價(jià)預(yù)測(cè)值，優(yōu)點(diǎn)在于獲得的反映圖像質(zhì)量和深度感知的特征矢量信息具有較強(qiáng)的穩(wěn)定性且能夠較好地反映立體圖像的質(zhì)量變化情況，提高了客觀(guān)評(píng)價(jià)結(jié)果與主觀(guān)感知的相關(guān)性。
文檔編號(hào)H04N17/00GK102333233SQ20111028494
公開(kāi)日2012年1月25日 申請(qǐng)日期2011年9月23日 優(yōu)先權(quán)日2011年9月23日
發(fā)明者彭宗舉, 李福翠, 蔣剛毅, 邵楓, 郁梅 申請(qǐng)人:寧波大學(xué)