專利名稱：一種基于視覺感知的立體圖像質(zhì)量客觀評價(jià)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種圖像質(zhì)量評價(jià)方法，尤其是涉及一種基于視覺感知的立體圖像質(zhì)量客觀評價(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)受到了越來越廣泛的關(guān)注與應(yīng)用，已成為當(dāng)前的一個研究熱點(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)立地接收來自同一場景的左右視點(diǎn)圖像，通過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)、存儲壓縮及傳輸設(shè)備的影響，立體圖像會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)保證兩個通道的圖像質(zhì)量，對其進(jìn)行質(zhì)量評價(jià)具有非常重要的意義。然而，目前對立體圖像質(zhì)量缺乏有效的客觀評價(jià)方法進(jìn)行評價(jià)。因此，建立有效的立體圖像質(zhì)量客觀評價(jià)模型具有十分重要的意義。立體圖像質(zhì)量客觀評價(jià)方法主要可以分為兩類1)基于圖像質(zhì)量的左右通道圖像質(zhì)量評價(jià)，其將平面圖像質(zhì)量評價(jià)方法直接應(yīng)用于評價(jià)立體圖像質(zhì)量，然而對立體圖像的左右視點(diǎn)圖像進(jìn)行融合產(chǎn)生立體感的過程還難以用簡單的數(shù)學(xué)方法來表示，并且左右視點(diǎn)圖像之間還存在相互影響，對左右視點(diǎn)圖像進(jìn)行簡單線性加權(quán)難以有效地評價(jià)立體圖像質(zhì)量；2)基于立體感知的左右通道圖像質(zhì)量評價(jià)，其通過視差信息或深度信息來反映，然而由于目前視差估計(jì)及深度估計(jì)技術(shù)的局限，如何有效地對深度圖像或視差圖像質(zhì)量進(jìn)行評價(jià)以真實(shí)地表征立體感知特性，仍然是立體圖像質(zhì)量客觀評價(jià)中的難點(diǎn)問題之一。因此， 如何將圖像質(zhì)量和深度感知信息同時(shí)結(jié)合到評價(jià)方法中，使得評價(jià)結(jié)果更加感覺符合人類視覺系統(tǒng)，都是在對立體圖像進(jìn)行客觀質(zhì)量評價(jià)過程中需要研究解決的問題。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是提供一種能夠有效提高客觀評價(jià)結(jié)果與主觀感知的相關(guān)性的立體圖像質(zhì)量客觀評價(jià)方法。本發(fā)明解決上述技術(shù)問題所采用的技術(shù)方案為一種基于視覺感知的立體圖像質(zhì)量客觀評價(jià)方法，其特征在于包括以下步驟①令S g為原始的無失真的立體圖像，令為待評價(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利用人類視覺對背景光照和紋理的視覺掩蔽效應(yīng)，分別提取出無失真的左視點(diǎn)圖像{L g(x，y)}和無失真的右視點(diǎn)圖像{R g(X，y)}的最小可察覺失真圖像，將無失真的左視點(diǎn)圖像{L g(x，y)}的最小可察覺失真圖像記為！Λ(χ，y)}，將無失真的右視點(diǎn)圖像 {Rorg(x, y)}的最小可察覺失真圖像記為{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通過區(qū)域檢測算法分別獲得無失真的左視點(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8X8子塊的塊類型，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)無失真的左視點(diǎn)圖像{L g(x，y)}的最小可察覺失真圖像{Jjx，y)}和無失真的右視點(diǎn)圖像{R g(x，yM的最小可察覺失真圖像Uk(x，y)}，通過計(jì)算失真的左視點(diǎn)圖像ILdis(x，y)}中各種塊類型的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)無失真的左視點(diǎn)圖像{L g(x，y)}的最小可察覺失真圖像a(x，y)}和無失真的右視點(diǎn)圖像{R g(x，yM的最小可察覺失真圖像Uk(x，y)}，通過計(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)}的絕對差值圖像中各種塊類型的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，[Fq, FJ表示將特征矢量Ftl和特征矢量Fs連接起來形成一個新的特征矢量；⑦采用η幅無失真的立體圖像，建立其在不同失真類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，利用主觀質(zhì)量評價(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評分差值，記為DMOS，DMOS = 100-M0S，其中，MOS表示主觀評分均值，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失真立體圖像集合中相同失真類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)練模型對同一失真類型的每幅失真的立體圖像進(jìn)行測試，計(jì)算得到失真立體圖像集合中相同失真類型的每幅失真的立體圖像的客觀質(zhì)量評價(jià)預(yù)測值，對于失真立體圖像集合中第i幅失真的立體圖像的客觀質(zhì)量評價(jià)預(yù)測值，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的具體過程為②-1、計(jì)算無失真的左視點(diǎn)圖像{L。 (x，y)}的背景光照的視覺掩蔽效應(yīng)的可視
化閾值集合，記為IT1 (x, y)}，
權(quán)利要求
1. 一種基于視覺感知的立體圖像質(zhì)量客觀評價(jià)方法，其特征在于包括以下步驟①令S g為原始的無失真的立體圖像，令為待評價(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利用人類視覺對背景光照和紋理的視覺掩蔽效應(yīng)，分別提取出無失真的左視點(diǎn)圖像 {L g(X，y)}和無失真的右視點(diǎn)圖像{R g(x，y)}的最小可察覺失真圖像，將無失真的左視點(diǎn)圖像{L g(x，y)}的最小可察覺失真圖像記為{Jl(X，y)}，將無失真的右視點(diǎn)圖像{R g(x， y)}的最小可察覺失真圖像記為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通過區(qū)域檢測算法分別獲得無失真的左視點(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 8X8子塊的塊類型，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)無失真的左視點(diǎn)圖像{L g(x，y)}的最小可察覺失真圖像！Λ(χ，y)}和無失真的右視點(diǎn)圖像{R g(x，y)}的最小可察覺失真圖像Uk(x，y)}，通過計(jì)算失真的左視點(diǎn)圖像 ILdis(χ，y)}中各種塊類型的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)無失真的左視點(diǎn)圖像{L g(x，y)}的最小可察覺失真圖像！Λ(χ，y)}和無失真的右視點(diǎn)圖像{R g(x，y)}的最小可察覺失真圖像Uk(x，y)}，通過計(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)}的絕對差值圖像中各種塊類型的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，[Fq，F(xiàn)s]表示將特征矢量F,和特征矢量Fs連接起來形成一個新的特征矢量；⑦采用η幅無失真的立體圖像，建立其在不同失真類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，利用主觀質(zhì)量評價(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評分差值，記為DMOS，DMOS = 100-M0S，其中，MOS表示主觀評分均值，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失真立體圖像集合中相同失真類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)練模型對同一失真類型的每幅失真的立體圖像進(jìn)行測試，計(jì)算得到失真立體圖像集合中相同失真類型的每幅失真的立體圖像的客觀質(zhì)量評價(jià)預(yù)測值，對于失真立體圖像集合中第i幅失真的立體圖像的客觀質(zhì)量評價(jià)預(yù)測值，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感知的立體圖像質(zhì)量客觀評價(jià)方法，其特征在于所述的步驟②的具體過程為②-1、計(jì)算無失真的左視點(diǎn)圖像{L E(X，y)}的背景光照的視覺掩蔽效應(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感知的立體圖像質(zhì)量客觀評價(jià)方法，其特征在于所述的步驟③中的區(qū)域檢測算法的具體過程為③-1、分別將無失真的左視點(diǎn)圖像{L g(x，y)}和失真的左視點(diǎn)圖像ILdis(X，y)}分WxH成^^個互不重疊的8X8子塊，定義無失真的左視點(diǎn)圖像{L g(x，y)}中的第1個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 ”為求絕對值符號；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T1和T2，T1 = O-^XGfflax, T2 = 0. 06 X Gmax;③-4、對于當(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感知的立體圖像質(zhì)量客觀評價(jià)方法，其特征在于所述的步驟④的具體過程為④-1、計(jì)算失真的左視點(diǎn)圖像ILdis(x，y)}中所有塊類型為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)}，對于失真的左視點(diǎn)圖像ILdis(x，y)}中塊類型為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感知的立體圖像質(zhì)量客觀評價(jià)方法，其特征在于所述的步驟⑤的具體過程為⑤-1、分別計(jì)算無失真的左視點(diǎn)圖像{L g(x，y)}和無失真的右視點(diǎn)圖像{R g(x，y)} 的絕對差值圖像、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)}的絕對差值圖像及無失真的左視點(diǎn)圖像{L g(x，y)}的最小可察覺失真圖像！Λ(χ，y)}和無失真的右視點(diǎn)圖像{R g(x，y)}的最小可察覺失真圖像{JK(x，y)}的絕對差值圖像，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”為求絕對值符號；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8X8子塊的塊類型；⑤-3、計(jì)算{Ddis(x，y)}中所有塊類型為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)}，對于{Ddis(x，y)}中塊類型為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感知的立體圖像質(zhì)量客觀評價(jià)方法，其特征在于所述的步驟⑨的具體過程為⑨-1、將失真立體圖像集合中同一失真類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評分差值，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&的線性函數(shù)，樹='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感知的立體圖像質(zhì)量客觀評價(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)量的特征矢量過程中，取W = 0. 10，wE = 0. 90。
全文摘要
本發(fā)明公開了一種基于視覺感知的立體圖像質(zhì)量客觀評價(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；然后通過支持向量回歸對失真立體圖像集合中相同失真類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)練模型對同一失真類型的每幅失真立體圖像進(jìn)行測試，得到每幅失真立體圖像的客觀圖像質(zhì)量評價(jià)預(yù)測值，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，提高了客觀評價(jià)結(jié)果與主觀感知的相關(guān)性。
文檔編號H04N17/00GK102333233SQ20111028494
公開日2012年1月25日 申請日期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 申請人:寧波大學(xué)