一種基于立體視覺顯著性的立體圖像質量客觀評價方法
【技術領域】
[0001] 本發(fā)明涉及立體圖像領域，尤其涉及一種基于立體視覺顯著性的立體圖像質量客 觀評價方法。
【背景技術】
[0002] 近年來，立體圖像處理技術在娛樂行業(yè)和科學領域的應用越來越廣泛，與平面圖 像帶給人的視覺感受不同，立體圖像為人們提供更加真實的立體視覺感受。但是立體圖像 在采集、壓縮、儲存、運輸和顯示等過程中會產生各種失真，影響人們的立體視覺感受。立體 圖像質量作為立體圖像的固有屬性是評判立體圖像失真的一個重要指標。雖然主觀質量評 價方法的準確性較高，但是具有費時費力且成本較高的缺陷，因此建立一個能夠準確高效 模擬人眼主觀評價結果的立體圖像質量客觀評價算法具有重要的意義。
[0003] 經(jīng)過多年的研宄，國內外研宄者已提出了許多立體圖像質量客觀評價算法。最初， 將均方誤差（Mean Squared Error, MSE)、峰值信噪比（Peak Signal Noise Ratio, PSNR)、 結構相似度（Structural Similarity, SSIM) [1]等一些經(jīng)典的平面圖像質量評價算法直接 應用于立體圖像的左右視點，通過加權左右圖像質量得到立體圖像質量客觀評價值[2]。文 獻[3]和文獻[4]考慮深度感知對立體圖像質量評價的影響，將2D評價方法融合立體圖像 的差異信息或深度信息進行立體圖像質量評價。
[0004] 目前，研宄者已將一些容易建模的人眼視覺特性，例如：亮度幅度非線性特性、多 通道特性、對比度敏感度特性和掩蓋效應等，用于立體圖像質量客觀評價算法中。隨著各研 宄領域對人類視覺系統(tǒng)的認識逐漸加深，客觀評價模型中融入更加復雜和高級的人眼視覺 特性成為了必然的發(fā)展方向。視覺顯著性作為一種人類視覺系統(tǒng)高級特性，是指人眼對圖 像不同區(qū)域分配的注意力強度不同。顯著區(qū)域是人眼比較容易關注的區(qū)域，所以觀看失真 立體圖像時，顯著區(qū)域出現(xiàn)的失真對人眼的視覺感受影響更大。視覺顯著圖為立體圖像質 量客觀評價提供了重要依據(jù)，文獻[5-8]將視覺顯著性的影響用到立體圖像質量客觀評價 算法中。文獻[6]結合立體顯著性和SSIM算法[1]對繪制圖像進行質量評價。文獻[7] 將相位一致性圖和顯著圖作為失真立體圖像的特征，使用局部匹配函數(shù)加權兩個特征圖的 差異以計算左右視點間的相關性，進行立體圖像質量經(jīng)驗值評價。文獻[8]使用SSIM算法 得到原始與失真立體圖像的合成圖像的結構相似度圖，將其與立體顯著圖融合得到立體圖 像質量評價指標。文獻[9]將原始和失真立體圖像左右視圖和其顯著圖結合，確定原始、失 真立體圖像左右視圖的選擇性顯著圖；然后對選擇性顯著圖采用SSIM算法來獲取顯著結 構相似度圖，通過給其邊緣區(qū)域、平滑區(qū)域和紋理區(qū)域的分配不同的權值來獲取單視圖的 客觀評價值；最后，加權平均左右視圖的客觀評價值得到立體圖像質量客觀評價值。文獻
[5] [7]提取立體顯著圖時使用原始立體圖像的視差圖，忽略了失真立體圖像的深度信息失 真對失真立體圖像的立體顯著圖檢測的影響。
[0005] 但是上述方法沒有考慮人眼的其它視覺特性和深度信息對立體圖像質量評價的 影響，導致客觀評價值不能有效的反映主觀評價結果。

【發(fā)明內容】

[0006] 本發(fā)明提供了一種基于立體視覺顯著性的立體圖像質量客觀評價方法，本發(fā)明根 據(jù)融合立體視覺顯著圖和立體圖像綜合質量圖，準確有效地建立了反映主觀評價結果的立 體圖像質量的客觀評價模型，詳見下文描述：
[0007] -種基于立體視覺顯著性的立體圖像質量客觀評價方法，所述立體圖像質量客觀 評價方法包括以下步驟：
[0008] 通過模擬中央偏移和中心凹特性，對立體視覺顯著圖進行優(yōu)化，提取優(yōu)化后的立 體視覺顯著圖；
[0009] 根據(jù)失真立體圖像質量圖、絕對差值圖的質量圖得到立體圖像綜合質量圖；
[0010] 通過所述立體視覺顯著圖對所述立體圖像綜合質量圖進行加權求和，獲取失真立 體圖像質量客觀評價值。
[0011] 其中，在所述通過模擬中央偏移和中心凹特性，對立體視覺顯著圖進行優(yōu)化，提取 優(yōu)化后的立體視覺顯著圖的步驟之前，所述立體圖像質量客觀評價方法還包括以下步驟：
[0012] 通過模擬視覺顯著性，獲取失真立體圖像的立體視覺顯著圖。
[0013] 其中，所述通過模擬視覺顯著性，獲取失真立體圖像的立體視覺顯著圖的步驟具 體為：
[0014] 將失真立體圖像右視圖從RGB色彩空間轉換到YCbCr色彩空間，劃分為不重疊的 圖像塊，對圖像塊進行離散余弦變換；
[0015] 將亮度對比度特征顯著圖、色度對比度特征顯著圖、紋理對比度特征顯著圖和失 真立體圖像的絕對差值圖進行歸一化，通過將歸一化后的這些圖線性組合獲取失真立體圖 像的立體視覺顯著圖。
[0016] 其中，所述通過模擬中央偏移和中心凹特性，對立體視覺顯著圖進行優(yōu)化，提取優(yōu) 化后的立體視覺顯著圖的步驟具體為：
[0017] 模擬中央偏移因子，對立體視覺顯著圖進行初步優(yōu)化；
[0018] 模擬中心凹特性，對初步優(yōu)化后的立體視覺顯著圖進行最終優(yōu)化。
[0019] 其中，所述根據(jù)失真立體圖像質量圖、絕對差值圖的質量圖得到立體圖像綜合質 量圖的步驟具體為：
[0020] 提取失真立體圖像右視圖的相位相似度；
[0021] 提取失真立體圖像右視圖的梯度相似度；
[0022] 分別提取失真立體圖像右視圖的色度的相似度；
[0023] 計算原始立體圖像右視圖和失真立體圖像右視圖之間的相似度；
[0024] 計算失真立體圖像左視圖的相似度，將失真立體圖像右視圖的相似度、左視圖的 相似度圖使用平均值法得到失真立體圖像質量圖；
[0025] 對原始立體圖像的絕對差值圖和失真立體圖像的絕對差值圖采用結構相似度算 法，提取失真立體圖像的絕對差值圖的質量圖；
[0026] 將失真立體圖像質量圖與絕對差值圖的質量圖融合，得到立體圖像綜合質量圖。
[0027] 本發(fā)明提供的技術方案的有益效果是：本方法在初始立體顯著圖的基礎上，采用 中央偏移與中心凹特性得到最優(yōu)立體視覺顯著圖，更好地模擬了人類視覺系統(tǒng)提取顯著區(qū) 域的視覺過程。然后將立體視覺顯著圖和立體圖像質量圖加權相乘并歸一化，獲取立體圖 像客觀評價值。與其它三種算法相比較，本算法避免了對整幅圖像不同區(qū)域采用同等權重 的缺陷。通過實驗驗證表明，本方法在立體圖像質量客觀評價方面整體性能優(yōu)于3SIQA[8] 算法、DSSM[3]算法和SSM[1]算法，具有實際可行性。
【附圖說明】
[0028] 圖1為源圖像"tree2"的示意圖；
[0029] 圖2為源圖像"girl"的示意圖；
[0030] 圖3為源圖像"tree1"的示意圖；
[0031] 圖4為源圖像"tju"的示意圖；
[0032] 圖5為源圖像"family"的示意圖；
[0033] 圖6為降質圖像"river"的示意圖；
[0034] 圖7為源圖像"ox"的示意圖；
[0035] 圖8為源圖像"woman"的示意圖；
[0036] 圖9為基于立體視覺顯著性的立體圖像質量評價方法框圖；
[0037] 圖10為原始顯著圖、結合兩種影響因素的顯著圖對比圖；
[0038] (a)為失真立體圖像右視圖；(b)為優(yōu)化前的立體顯著圖SMl; (C)為經(jīng)中央偏移 優(yōu)化后的立體顯著圖SM' ；（d)為SM'經(jīng)中心凹優(yōu)化后的立體顯著圖SM。
[0039] 圖11為基于立體視覺顯著性的立體圖像質量客觀評價方法的流程圖。
【具體實施方式】
[0040] 為使本發(fā)明的目的、技術方案和優(yōu)點更加清楚，下面對本發(fā)明實施方式作進一步 地詳細描述。
[0041] 為了解決【背景技術】中存在的問題，本發(fā)明旨在首先通過模擬視覺顯著性以初步確 定失真立體圖像的立體視覺顯著圖，再通過模擬中央偏移和中心凹特性對初步確定的立體 視覺顯著圖進行優(yōu)化，提取較準確的立體視覺顯著圖；其次，融合左、右視圖的質量圖和絕 對差值圖的質量圖得到立體圖像綜合質量圖；最后，使用立體視覺顯著圖對立體圖像綜合 質量圖進行加權求和，得到失真立體圖像質量的客觀評價值，詳見下文描述。
[0042] 實施例1
[0043] 一種基于立體視覺顯著性的立體圖像質量客觀評價方法，參見圖11，立體圖像質 量客觀評價方法包括以下步驟：
[0044] 101 :通過模擬中央偏移和中心凹特性，對立體視覺顯著圖進行優(yōu)化，提取優(yōu)化后 的立體視覺顯著圖；
[0045] 102 :根據(jù)失真立體圖像質量圖、絕對差值圖的質量圖得到立體圖像綜合質量圖；
[0046] 103:通過立體視覺顯著圖對立體圖像綜合質量圖進行加權求和，獲取失真立體圖 像質量客觀評價值。
[0047] 其中，在步驟101之前，該立體圖像質量客觀評價方法還包括：通過模擬視覺顯著 性，獲取失真立體圖像的立體視覺顯著圖，該步驟具體為：
[0048] 將失真立體圖像右視圖從RGB色彩空間轉換到YCbCr色彩空間，劃分為不重疊的 圖像塊，對圖像塊進行離散余弦變換（Discrete Cosine Transform，離散余弦）變換； [0049] 將亮度對比度特征顯著圖、色度對比度特征顯著圖、紋理對比度特征顯著圖和失 真立體圖像的絕對差值圖進行歸一