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)