專利名稱：基于gssim的立體圖像客觀質(zhì)量評價算法的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬圖像處理領(lǐng)域，涉及一種立體圖像客觀質(zhì)量評價算法。
背景技術(shù)：
對立體圖像的質(zhì)量評價是一件十分困難的工作，現(xiàn)有的平面圖像客觀質(zhì)量評價算法通常只能評價同一個視點(diǎn)編碼前與解碼后的圖像質(zhì)量關(guān)系。立體圖像在相鄰視點(diǎn)之間存 在人眼標(biāo)準(zhǔn)視差的高度相關(guān)性，如果兩個相鄰視點(diǎn)各自的圖像質(zhì)量都比較高，視點(diǎn)間視差 成分減少甚至反相，人眼能欣賞到的立體感將大打折扣，所以現(xiàn)有平面圖像客觀質(zhì)量評價 算法不能夠代替立體圖像客觀質(zhì)量評價算法。一種壓縮編碼如果導(dǎo)致立體感的嚴(yán)重?fù)p失甚 至造成觀看者的眼疲勞，不適合立體圖像的應(yīng)用。因此，很有必要建立一個立體圖像的客觀 評價標(biāo)準(zhǔn)。梯度結(jié)構(gòu)相似度(GSSIM)評價方法為一種平面圖像客觀質(zhì)量評價方法，研究發(fā)現(xiàn) 人眼對于圖像的邊緣和紋理結(jié)構(gòu)信息是最為敏感和重視的，就是說邊緣和紋理的結(jié)構(gòu)信息 很有可能是圖像結(jié)構(gòu)信息的最重要的部分，而梯度能較好地反應(yīng)圖像的邊緣紋理信息，所 以采用梯度結(jié)構(gòu)相似度也能夠進(jìn)行立體圖像質(zhì)量評價。該方法如下梯度信息的提取通過梯度的計算來確定圖像的邊緣信息是最為常見而有效的方 式。采用Sobel算子對圖像進(jìn)行梯度的計算，如圖1所示。對于圖像X的每一像素Xi, j(i, j代表橫縱坐標(biāo)值)，可以通過Sobel算子定義它 的“梯度信息向量”;Viij = {dXi,j, Clyi,」}其中，dxy和Clyiij分別由圖1的水平邊緣算子H 和垂直邊緣算子ν得出，為了算法的簡便，近似地定義圖像像素的梯度幅值為<formula>formula see original document page 4</formula>相應(yīng)的，各像素的梯度方向定義為
<formula>formula see original document page 4</formula>利用圖像的幅度信息提出基于梯度的結(jié)構(gòu)相似度(GSSIM)用Sobel算子及圖像 像素的梯度幅值，可求出圖像的每一像素的梯度幅值，從而得到與圖像X和Y相對應(yīng)的梯度 圖像X'和Y'。因此，子塊梯度對比度比較可定義為<formula>formula see original document page 4</formula>
σ為標(biāo)準(zhǔn)差，C2為調(diào)整參數(shù)。子塊梯度的結(jié)構(gòu)比較可定義為<formula>formula see original document page 4</formula>
C3為調(diào)整參數(shù)。結(jié)構(gòu)相似度(GSSIM)可定義為
GSSIM (χ, y) = [1 (χ, y) ]α [cg(x, y) ]0 [sg(x, y) ]γα，β，Υ*權(quán)重指數(shù)值。對于整幅圖像的相似度的比較，可以通過平均各個子塊的相似度評分得出<formula>formula see original document page 5</formula>

發(fā)明內(nèi)容
本發(fā)明的目的是克服現(xiàn)有技術(shù)的上述不足，提出一種立體圖像客觀質(zhì)量評價方 法。本發(fā)明將梯度結(jié)構(gòu)相似度(GSSIM)評價方法引入立體圖像客觀質(zhì)量評價中，通過對立 體圖像進(jìn)行圖像質(zhì)量評價(QE)和立體感評價(DE)，完成對立體圖像質(zhì)量的評判。本發(fā)明采 用如下的技術(shù)方案一種基于GSSIM的立體圖像質(zhì)量評價方法，包括下列步驟(1)對于左圖像和右圖像，分別利用梯度結(jié)構(gòu)相似度GSSIM算法，求取梯度結(jié)構(gòu)相 似度值，再求取兩值的均值，得到立體圖像質(zhì)量評價值QE ；(2)采用下列方法進(jìn)行圖像立體感覺客觀評價第一步把原始圖像的視點(diǎn)對(Li，Rl)和處理后圖像的視點(diǎn)對(L2，R2)分別進(jìn)行 相減操作，得出絕對差值圖像Xl與Χ2 ；第二步，進(jìn)行亮度測試，通過公式下列求出絕對差值圖像Xl與Χ2的μ μ 2 <formula>formula see original document page 5</formula><formula>formula see original document page 5</formula>式中，w為中心對稱高斯加權(quán)窗<formula>formula see original document page 5</formula>取值為11 ；第三步，用Sobel算子求出絕對差值圖像Xl與Χ2的梯度幅值圖像Ml與Μ2，并求 出圖像Ml與Μ2亮度均值P1,，μ2,，再通過公式下列求出標(biāo)準(zhǔn)差O1,，σ2,，以及協(xié)方差
<formula>formula see original document page 5</formula>第四步，對原始圖像的絕對差值圖像Xl進(jìn)行濾波、門限值判決操作，計算原圖雙眼視差分布情況；第五步，用P1, μ2，O1,，O2,與O1, 2,，結(jié)合計算出的原圖視差分布情況，求出雙 眼視差處的010^，7)，0印0^，7)與Dsg(x，y)值，計算公式如下<formula>formula see original document page 6</formula>第六步，通過公式DSSIM(x，y) = [D1 (χ, y) ] α [Dcg(χ, y) ]0 [Dsg(χ, y) ] Υ (3-34)計 算出雙眼視差處的DSSIM值，其中α，β，γ取值都為1 ；第七步，通過DSSIM值，利用公式下列計算雙眼視差處圖像梯度結(jié)構(gòu)相似度
DMSSIM，即圖像立體感覺客觀評價值DE :DE = DMSSIM = I-^fDSSIM(X1J1)；
U 1=1第八步，對立體圖像質(zhì)量進(jìn)行評價QE值越大，圖像質(zhì)量越好，DE值越大，立體感 越好。使用本發(fā)明提出的立體圖像客觀質(zhì)量評價方法，可以從圖像質(zhì)量與立體感兩個方 面對立體圖像進(jìn)行質(zhì)量評估，大量實驗證明該算法能很好地用于立體圖像的質(zhì)量評價，客 觀評價結(jié)果與主觀評價結(jié)果相關(guān)性很強(qiáng)，可有效的對立體圖像做出評價。


圖ISobel算子，(a)為垂直邊緣算子V，(b)為水平邊緣算子H。圖2本發(fā)明的立體感覺客觀評價流程圖2立體感覺客觀評價流程。
具體實施例方式本發(fā)明所提出的對立體圖像客觀評價的指標(biāo)分為兩個部分一個是圖像客觀質(zhì)量 評價，一個是立體感客觀評價。1、圖像客觀質(zhì)量評價(quality evaluation :QE)對于圖像客觀質(zhì)量評價沿用梯度結(jié)構(gòu)相似度(GSSIM)評價方法。本發(fā)明的立體圖像客觀質(zhì)量評價值為左圖像GMSSIM值與右圖像GMSSIM值的均值 即QE = 1-(GMSSIM左+GMSSIM右)/22、圖像立體感覺客觀評價(3D sense evaluation :DE)本發(fā)明的圖像立體感覺客觀評價算法沿用GSSIM算法的評價參數(shù)，并把視點(diǎn)對絕 對差值圖有機(jī)的結(jié)合在評價參數(shù)中。立體感覺客觀評價流程如圖2 首先，把原始視點(diǎn)對(L1，R1)和處理后視點(diǎn)對(L2，R2)分別進(jìn)行相減操作，得出絕 對差值圖像Xl與X2 ；χι = Ili-RIX2 = I L2-R2
第二步，進(jìn)行亮度測試，通過公式下列求出絕對差值圖像Xl與X2的μ μ 2。
<formula>formula see original document page 7</formula>
w為中心對稱高斯加權(quán)窗w = Iwy IZIwy =U N取值為11。
1=1 J=1,第三步，用Sobel算子求出絕對差值圖像Xl與X2的梯度幅值圖像Ml與M2，并求 出圖像Ml與M2亮度均值P1,，μ2,，再通過公式下列求出標(biāo)準(zhǔn)差O1,，σ2,，以及協(xié)方差 σ1' 2'。
<formula>formula see original document page 7</formula>
第四步，對原始圖像的絕對差值圖像Xl進(jìn)行濾波、門限值判決操作，去掉微弱噪 聲和低幅值成份，達(dá)到減少干擾目的，然后計算出的原圖雙眼視差分布情況。由于心理立體 視覺的存在，人能夠感覺小幅值的視差的范圍很小，大部分被掩蓋了，所以本步驟中，通過 門限值判決來去除小幅值視差的影響。第五步，用P1, μ2，O1,，O2,與O1, 2,，結(jié)合計算出的原圖視差分布情況，求出雙 眼視差處(設(shè)為D) ^DKx, y), Dcg(x, y)與Dsg(x，y)值，計算公式為(3-31)、(3-32)與 (3-33)。<formula>formula see original document page 7</formula>
第六步，根據(jù)雙眼視差處的010^，7)，0印0^，7)與Dsg(x，y)各值，通過公式(3-34) 計算出雙眼視差處的DSSIM值。DSSIM (x,y) = [D1 (x,y)]a [Dcg (x,y)]e [Dsg (χ, y) ] Υ其中α，β，γ取值都為1。第七步，通過DSSIM，利用公式下列計算雙眼視差處圖像梯度結(jié)構(gòu)相似度DMSSIM，即圖像立體感覺客觀評價值一DE。
<formula>formula see original document page 8</formula>總結(jié)QE值為0. 9-1時，圖像質(zhì)量很好；QE值為0. 8-0. 9時，圖像質(zhì)量較好；QE值為0. 55-0. 8時，圖像質(zhì)量一股；QE值為0. 55以下時，圖像質(zhì)量很差。DE值為0. 85-1時，立體感很好；DE值為0. 7-0. 85時，立體感較好；DE值為0. 45-0. 7時，立體感一股；DE值為0. 45以下時，立體感很差。本發(fā)明對雙視點(diǎn)立體圖像質(zhì)量評價效果最好；如果是多視點(diǎn)立體圖像，可以分為 多個雙視點(diǎn)立體圖像進(jìn)行評價。
權(quán)利要求
一種基于GSSIM的立體圖像質(zhì)量評價方法，包括下列步驟(1)對于左圖像和右圖像，分別利用梯度結(jié)構(gòu)相似度GSSIM算法，求取梯度結(jié)構(gòu)相似度值，再求取兩值的均值，得到立體圖像質(zhì)量評價值QE；(2)采用下列方法進(jìn)行圖像立體感覺客觀評價第一步把原始圖像的視點(diǎn)對(L1，R1)和處理后圖像的視點(diǎn)對(L2，R2)分別進(jìn)行相減操作，得出絕對差值圖像X1與X2；第二步，進(jìn)行亮度測試，通過公式下列求出絕對差值圖像X1與X2的μ1，μ2式中，w為中心對稱高斯加權(quán)窗N取值為11；第三步，用Sobel算子求出絕對差值圖像X1與X2的梯度幅值圖像M1與M2，并求出圖像M1與M2亮度均值μ1′，μ2′，再通過公式下列求出標(biāo)準(zhǔn)差σ1′，σ2′，以及協(xié)方差σ1′2′ <mrow><msub> <mi>&sigma;</mi> <msubsup><mn>1</mn><mi>mn</mi><mo>&prime;</mo> </msubsup></msub><mo>=</mo><msup> <mrow><mo>(</mo><munderover> <mi>&Sigma;</mi> <mrow><mi>i</mi><mo>=</mo><mi>m</mi><mo>-</mo><mfrac> <mrow><mi>N</mi><mo>-</mo><mn>1</mn> </mrow> <mn>2</mn></mfrac> </mrow> <mrow><mi>m</mi><mo>+</mo><mfrac> <mrow><mi>N</mi><mo>-</mo><mn>1</mn> </mrow> <mn>2</mn></mfrac> </mrow></munderover><munderover> <mi>&Sigma;</mi> <mrow><mi>j</mi><mo>=</mo><mi>n</mi><mo>-</mo><mfrac> <mrow><mi>N</mi><mo>-</mo><mn>1</mn> </mrow> <mn>2</mn></mfrac> </mrow> <mrow><mi>n</mi><mo>+</mo><mfrac> <mrow><mi>N</mi><mo>-</mo><mn>1</mn> </mrow> <mn>2</mn></mfrac> </mrow></munderover><msub> <mi>w</mi> <mi>ij</mi></msub><msup> <mrow><mo>(</mo><msub> <mi>M</mi> <mrow><mn>1</mn><mi>ij</mi> </mrow></msub><mo>-</mo><msub> <mi>&mu;</mi> <msubsup><mn>1</mn><mi>mn</mi><mo>&prime;</mo> </msubsup></msub><mo>)</mo> </mrow> <mn>2</mn></msup><mo>)</mo> </mrow> <mrow><mn>1</mn><mo>/</mo><mn>2</mn> </mrow></msup> </mrow> <mrow><msub> <mi>&sigma;</mi> <msubsup><mn>2</mn><mi>mn</mi><mo>&prime;</mo> </msubsup></msub><mo>=</mo><msup> <mrow><mo>(</mo><munderover> <mi>&Sigma;</mi> <mrow><mi>i</mi><mo>=</mo><mi>m</mi><mo>-</mo><mfrac> <mrow><mi>N</mi><mo>-</mo><mn>1</mn> </mrow> <mn>2</mn></mfrac> </mrow> <mrow><mi>m</mi><mo>+</mo><mfrac> <mrow><mi>N</mi><mo>-</mo><mn>1</mn> </mrow> <mn>2</mn></mfrac> </mrow></munderover><munderover> <mi>&Sigma;</mi> <mrow><mi>j</mi><mo>=</mo><mi>n</mi><mo>-</mo><mfrac> <mrow><mi>N</mi><mo>-</mo><mn>1</mn> </mrow> <mn>2</mn></mfrac> </mrow> <mrow><mi>n</mi><mo>+</mo><mfrac> <mrow><mi>N</mi><mo>-</mo><mn>1</mn> </mrow> <mn>2</mn></mfrac> </mrow></munderover><msub> <mi>w</mi> <mi>ij</mi></msub><msup> <mrow><mo>(</mo><msub> <mi>M</mi> <mrow><mn>2</mn><mi>ij</mi> </mrow></msub><mo>-</mo><msub> <mi>&mu;</mi> <msubsup><mn>2</mn><mi>mn</mi><mo>&prime;</mo> </msubsup></msub><mo>)</mo> </mrow> <mn>2</mn></msup><mo>)</mo> </mrow> <mrow><mn>1</mn><mo>/</mo><mn>2</mn> </mrow></msup> </mrow> <mrow><msub> <mi>&sigma;</mi> <mrow><msup> <mn>1</mn> <mo>&prime;</mo></msup><msubsup> <mn>2</mn> <mi>mn</mi> <mo>&prime;</mo></msubsup> </mrow></msub><mo>=</mo><mrow> <munderover><mi>&Sigma;</mi><mrow> <mi>i</mi> <mo>=</mo> <mi>m</mi> <mo>-</mo> <mfrac><mrow> <mi>N</mi> <mo>-</mo> <mn>1</mn></mrow><mn>2</mn> </mfrac></mrow><mrow> <mi>m</mi> <mo>+</mo> <mfrac><mrow> <mi>N</mi> <mo>-</mo> <mn>1</mn></mrow><mn>2</mn> </mfrac></mrow> </munderover> <munderover><mi>&Sigma;</mi><mrow> <mi>j</mi> <mo>=</mo> <mi>n</mi> <mo>-</mo> <mfrac><mrow> <mi>N</mi> <mo>-</mo> <mn>1</mn></mrow><mn>2</mn> </mfrac></mrow><mrow> <mi>n</mi> <mo>+</mo> <mfrac><mrow> <mi>N</mi> <mo>-</mo> <mn>1</mn></mrow><mn>2</mn> </mfrac></mrow> </munderover></mrow><msub> <mi>w</mi> <mi>ij</mi></msub><mrow> <mo>(</mo> <msub><mi>M</mi><mrow> <mn>1</mn> <mi>ij</mi></mrow> </msub> <mo>-</mo> <msub><mi>&mu;</mi><msubsup> <mn>1</mn> <mi>mn</mi> <mo>&prime;</mo></msubsup> </msub> <mo>)</mo></mrow><mrow> <mo>(</mo> <msub><mi>M</mi><mrow> <mn>2</mn> <mi>ij</mi></mrow> </msub> <mo>-</mo> <msub><mi>&mu;</mi><msubsup> <mn>2</mn> <mi>mn</mi> <mo>&prime;</mo></msubsup> </msub> <mo>)</mo></mrow><mo>;</mo> </mrow>第四步，對原始圖像的絕對差值圖像X1進(jìn)行濾波、門限值判決操作，計算原圖雙眼視差分布情況；第五步，用μ1，μ2，σ1′，σ2′與σ1′2′，結(jié)合計算出的原圖視差分布情況，求出雙眼視差處的D1(x，y)，Dcg(x，y)與Dsg(x，y)值，計算公式如下 <mrow><mi>D</mi><mn>1</mn><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mrow><mn>2</mn><msub> <mi>&mu;</mi> <mn>1</mn></msub><msub> <mi>&mu;</mi> <mn>2</mn></msub><mo>+</mo><msub> <mi>C</mi> <mn>1</mn></msub> </mrow> <mrow><msubsup> <mi>&mu;</mi> <mn>1</mn> <mn>2</mn></msubsup><mo>+</mo><msubsup> <mi>&mu;</mi> <mn>2</mn> <mn>2</mn></msubsup><mo>+</mo><msub> <mi>C</mi> <mn>1</mn></msub> </mrow></mfrac> </mrow> <mrow><msub> <mi>Dc</mi> <mi>g</mi></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mrow><mn>2</mn><msub> <mi>&sigma;</mi> <msup><mn>1</mn><mo>&prime;</mo> </msup></msub><msub> <mi>&sigma;</mi> <msup><mn>2</mn><mo>&prime;</mo> </msup></msub><mo>+</mo><msub> <mi>C</mi> <mn>2</mn></msub> </mrow> <mrow><msubsup> <mi>&sigma;</mi> <msup><mn>1</mn><mo>&prime;</mo> </msup> <mn>2</mn></msubsup><mo>+</mo><msubsup> <mi>&sigma;</mi> <msup><mn>2</mn><mo>&prime;</mo> </msup> <mn>2</mn></msubsup><mo>+</mo><msub> <mi>C</mi> <mn>2</mn></msub> </mrow></mfrac> </mrow> <mrow><msub> <mi>Ds</mi> <mi>g</mi></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mrow><msub> <mi>&sigma;</mi> <mrow><msup> <mn>1</mn> <mo>&prime;</mo></msup><msup> <mn>2</mn> <mo>&prime;</mo></msup> </mrow></msub><mo>+</mo><msub> <mi>C</mi> <mn>3</mn></msub> </mrow> <mrow><msub> <mi>&sigma;</mi> <msup><mn>1</mn><mo>&prime;</mo> </msup></msub><msub> <mi>&sigma;</mi> <msup><mn>2</mn><mo>&prime;</mo> </msup></msub><mo>+</mo><msub> <mi>C</mi> <mn>3</mn></msub> </mrow></mfrac><mo>;</mo> </mrow>第六步，通過公式DSSIM(x，y)＝[D1(x，y)]α[Dcg(x，y)]β[Dsg(x，y)]γ(3-34)計算出雙眼視差處的DSSIM值，其中α，β，γ取值都為1；第七步，通過DSSIM值，利用公式下列計算雙眼視差處圖像梯度結(jié)構(gòu)相似度DMSSIM，即圖像立體感覺客觀評價值DE第八步，對立體圖像質(zhì)量進(jìn)行評價QE值越大，圖像質(zhì)量越好，DE值越大，立體感越好。FDA0000021233190000011.tif,FDA0000021233190000012.tif,FDA0000021233190000013.tif,FDA0000021233190000023.tif
全文摘要
本發(fā)明屬圖像處理領(lǐng)域，涉及一種基于GSSIM的立體圖像質(zhì)量評價方法，包括(1)對于左圖像和右圖像，分別求取梯度結(jié)構(gòu)相似度值，再求取兩值的均值，得到立體圖像質(zhì)量評價值QE；(2)采用下列方法進(jìn)行圖像立體感覺客觀評價計算原始圖像和處理后圖像的絕對差值圖像；求取出絕對差值圖像的μ1，μ2；用Sobel算子求出絕對差值圖像的梯度幅值圖像；對原始圖像的絕對差值圖像進(jìn)行濾波，計算原圖雙眼視差分布情況；求出雙眼視差處的Dl(x，y)，Dcg(x，y)與Dsg(x，y)值；計算出雙眼視差處的DSSIM值；計算雙眼視差處圖像梯度結(jié)構(gòu)相似度，即圖像立體感覺客觀評價值DE。本發(fā)明能很好地用于立體圖像的質(zhì)量評價，客觀評價結(jié)果與主觀評價結(jié)果相關(guān)性很強(qiáng)。
文檔編號G06T7/00GK101833766SQ201010169050
公開日2010年9月15日 申請日期2010年5月11日 優(yōu)先權(quán)日2010年5月11日
發(fā)明者李 杰, 楊嘉琛, 武強(qiáng)一, 王斌, 范超偉, 韋娜 申請人:天津大學(xué)