本發(fā)明涉及一種立體圖像質(zhì)量客觀評(píng)價(jià)方法，尤其是涉及一種基于雙目融合特征相似度的無(wú)參考立體圖像質(zhì)量評(píng)價(jià)方法。

背景技術(shù)：
進(jìn)入二十一世紀(jì)以來(lái)，隨著立體圖像/視頻系統(tǒng)處理技術(shù)的日趨成熟，以及計(jì)算機(jī)網(wǎng)絡(luò)與通信技術(shù)的快速發(fā)展，已引起人們對(duì)立體圖像/視頻系統(tǒng)的強(qiáng)烈需求。相比傳統(tǒng)的單視點(diǎn)圖像/視頻系統(tǒng)，立體圖像/視頻系統(tǒng)由于能夠提供深度信息來(lái)增強(qiáng)視覺(jué)的真實(shí)感，給用戶以身臨其境的全新視覺(jué)體驗(yàn)而越來(lái)越受到人們的歡迎，已被認(rèn)為是下一代媒體主要的發(fā)展方向，已引發(fā)了學(xué)術(shù)界、產(chǎn)業(yè)界的廣泛關(guān)注。然而，人們?yōu)榱双@得更好的立體臨場(chǎng)感和視覺(jué)體驗(yàn)，對(duì)立體視覺(jué)主觀感知質(zhì)量提出了更高的要求。在立體圖像/視頻系統(tǒng)中，采集、編碼、傳輸、解碼及顯示等處理環(huán)節(jié)都會(huì)引入一定失真，這些失真將對(duì)立體視覺(jué)主觀感知質(zhì)量產(chǎn)生不同程度的影響，因此如何有效地進(jìn)行無(wú)參考質(zhì)量評(píng)價(jià)是亟需解決的難點(diǎn)問(wèn)題。綜上，評(píng)價(jià)立體圖像質(zhì)量，并建立與主觀質(zhì)量評(píng)價(jià)相一致的客觀評(píng)價(jià)模型顯得尤為重要。目前，研究人員提出了不少針對(duì)單視點(diǎn)視覺(jué)質(zhì)量的無(wú)參考評(píng)價(jià)方法，然而由于缺乏系統(tǒng)理論深入研究立體視覺(jué)感知特性，因此還沒(méi)有有效地?zé)o參考立體圖像質(zhì)量評(píng)價(jià)方法。相比單視點(diǎn)視覺(jué)質(zhì)量無(wú)參考評(píng)價(jià)模型，無(wú)參考立體圖像質(zhì)量評(píng)價(jià)模型需要考慮不同失真類型立體掩蔽效應(yīng)以及與之相關(guān)的雙目競(jìng)爭(zhēng)/抑制和雙目融合等立體感知因素對(duì)視覺(jué)質(zhì)量的影響。因此，不能簡(jiǎn)單地把現(xiàn)有的單視點(diǎn)視覺(jué)質(zhì)量無(wú)參考評(píng)價(jià)模型直接擴(kuò)展到無(wú)參考立體圖像質(zhì)量評(píng)價(jià)方法中?，F(xiàn)有的無(wú)參考質(zhì)量客觀評(píng)價(jià)方法主要是通過(guò)機(jī)器學(xué)習(xí)來(lái)預(yù)測(cè)評(píng)價(jià)模型的，但針對(duì)立體圖像，現(xiàn)有的立體圖像評(píng)價(jià)方法還是平面圖像評(píng)價(jià)方法的簡(jiǎn)單擴(kuò)展，并沒(méi)有考慮雙目視覺(jué)特性，因此，如何在評(píng)價(jià)過(guò)程中有效地提取特征信息，在評(píng)價(jià)過(guò)程中進(jìn)行雙目視覺(jué)特性結(jié)合，使得客觀評(píng)價(jià)結(jié)果更加符合人類視覺(jué)感知系統(tǒng)，是立體圖像進(jìn)行客觀質(zhì)量評(píng)價(jià)過(guò)程中需要研究解決的問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：
本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種基于雙目融合特征相似度的無(wú)參考立體圖像質(zhì)量評(píng)價(jià)方法，其能夠充分考慮到立體視覺(jué)感知特性，從而能夠有效地提高客觀評(píng)價(jià)結(jié)果與主觀感知之間的相關(guān)性。本發(fā)明解決上述技術(shù)問(wèn)題所采用的技術(shù)方案為：一種基于雙目融合特征相似度的無(wú)參考立體圖像質(zhì)量評(píng)價(jià)方法，其特征在于包括以下步驟：①令Sdis表示待評(píng)價(jià)的失真立體圖像，將Sdis的左視點(diǎn)圖像記為{Ldis(x,y)}，將Sdis的右視點(diǎn)圖像記為{Rdis(x,y)}；然后采用塊匹配方法，計(jì)算{Ldis(x,y)}與{Rdis(x,y)}之間的視差圖像，記為{ddis(x,y)}；其中，1≤x≤W,1≤y≤H，W表示Sdis的寬度，H表示Sdis的高度，Ldis(x,y)表示{Ldis(x,y)}中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值，Rdis(x,y)表示{Rdis(x,y)}中坐標(biāo)位置為(x,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；②采用Gabor濾波方法對(duì){Ldis(x,y)}進(jìn)行操作，得到左視點(diǎn)響應(yīng)圖，記為{GL,dis(x,y)}；并采用LOG濾波方法對(duì){Ldis(x,y)}進(jìn)行操作，得到左視點(diǎn)視覺(jué)特征圖，記為{FL,dis(x,y)}；其中，GL,dis(x,y)表示{GL,dis(x,y)}中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值，F(xiàn)L,dis(x,y)表示{FL,dis(x,y)}中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值；同樣，采用Gabor濾波方法對(duì){Rdis(x,y)}進(jìn)行操作，得到右視點(diǎn)響應(yīng)圖，記為{GR,dis(x,y)}；并采用LOG濾波方法對(duì){Rdis(x,y)}進(jìn)行操作，得到右視點(diǎn)視覺(jué)特征圖，記為{FR,dis(x,y)}；其中，GR,dis(x,y)表示{GR,dis(x,y)}中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值，F(xiàn)R,dis(x,y)表示{FR,dis(x,y)}中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值；③根據(jù){Ldis(x,y)}和{Rdis(x,y)}、{GL,dis(x,y)}和{GR,dis(x,y)}、{ddis(x,y)}，計(jì)算Sdis的左右視點(diǎn)融合圖像，記為{RL,R,dis(x,y)}，其中，RL,R,dis(x,y)表示{RL,R,dis(x,y)}中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值；④根據(jù){FL,dis(x,y)}和{FR,dis(x,y)}、{GL,dis(x,y)}和{GR,dis(x,y)}、{ddis(x,y)}，計(jì)算Sdis的左右視點(diǎn)融合視覺(jué)特征圖，記為{FL,R,dis(x,y)}，其中，F(xiàn)L,R,dis(x,y)表示{FL,R,dis(x,y)}中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值；⑤計(jì)算{RL,R,dis(x,y)}與{FL,R,dis(x,y)}之間的自相似度圖像，記為{Hdis,sim(x,y)}，其中，Hdis,sim(x,y)表示{Hdis,sim(x,y)}中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值；⑥采用量化方法對(duì){Hdis,sim(x,y)}進(jìn)行處理，得到{Hdis,sim(x,y)}的量化圖像，記為{Hdis,sim,Q(x,y)}；并采用局部二值化模式操作對(duì){Hdis,sim(x,y)}進(jìn)行處理，得到{Hdis,sim(x,y)}的局部二值化模式圖像，記為{Hdis,sim,lbp(x,y)}；其中，Hdis,sim,Q(x,y)表示{Hdis,sim,Q(x,y)}中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值，Hdis,sim,lbp(x,y)表示{Hdis,sim,lbp(x,y)}中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值；⑦采用直方圖統(tǒng)計(jì)方法對(duì){Hdis,sim,Q(x,y)}進(jìn)行統(tǒng)計(jì)操作，得到{Hdis,sim,Q(x,y)}的直方圖統(tǒng)計(jì)特征向量，記為Hdis,sim,Q,hist；同樣，采用直方圖統(tǒng)計(jì)方法對(duì){Hdis,sim,lbp(x,y)}進(jìn)行統(tǒng)計(jì)操作，得到{Hdis,sim,lbp(x,y)}的直方圖統(tǒng)計(jì)特征向量，記為Hdis,sim,lbp,hist；其中，Hdis,sim,Q,hist的維數(shù)為1×m'維，Hdis,sim,Q,hist中的第m個(gè)元素為Hdis,sim,Q,hist(m)，Hdis,sim,lbp,hist的維數(shù)為1×m'維，Hdis,sim,lbp,hist中的第m個(gè)元素為Hdis,sim,lbp,hist(m)，1≤m≤m'，m'＝P+2，P表示局部二值化模式操作中的領(lǐng)域參數(shù)；⑧采用n”幅原始的無(wú)失真立體圖像，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，將該失真立體圖像集合作為訓(xùn)練集，訓(xùn)練集包括多幅失真立體圖像；然后利用主觀質(zhì)量評(píng)價(jià)方法評(píng)價(jià)出訓(xùn)練集中的每幅失真立體圖像的平均主觀評(píng)分值，將訓(xùn)練集中的第j幅失真立體圖像的平均主觀評(píng)分值記為DMOSj；再按照步驟①至步驟⑦的操作，以相同的方式獲取訓(xùn)練集中的每幅失真立體圖像對(duì)應(yīng)的自相似度圖像的量化圖像的直方圖統(tǒng)計(jì)特征向量和自相似度圖像的局部二值化模式圖像的直方圖統(tǒng)計(jì)特征向量，將訓(xùn)練集中的第j幅失真立體圖像對(duì)應(yīng)的自相似度圖像的量化圖像的直方圖統(tǒng)計(jì)特征向量和自相似度圖像的局部二值化模式圖像的直方圖統(tǒng)計(jì)特征向量分別記為Hj,sim,Q,hist和Hj,sim,lbp,hist；其中，n”>1，1≤j≤N'，N'表示訓(xùn)練集中包含的失真立體圖像的總幅數(shù)，0≤DMOSj≤100，Hj,sim,Q,hist和Hj,sim,lbp,hist的維數(shù)均為1×m'維；⑨計(jì)算Sdis對(duì)應(yīng)的直方圖統(tǒng)計(jì)特征向量與訓(xùn)練集中的每幅失真立體圖像對(duì)應(yīng)的直方圖統(tǒng)計(jì)特征向量之間的距離，將Sdis對(duì)應(yīng)的直方圖統(tǒng)計(jì)特征向量與訓(xùn)練集中的第j幅失真立體圖像對(duì)應(yīng)的直方圖統(tǒng)計(jì)特征向量之間的距離記為Ddis,j，Ddis,j＝|Hdis,sim,Q,hist-Hj,sim,Q,hist|+|Hdis,sim,lbp,hist-Hj,sim,lbp,hist|，并將這N'個(gè)距離構(gòu)成的集合記為{Ddis,j|1≤j≤N'}，其中，符號(hào)“||”為取絕對(duì)值符號(hào)；然后對(duì){Ddis,j|1≤j≤N'}中的所有距離按從小到大的順序排列，將排列后的集合記為{D'dis,j|1≤j≤N'}；接著獲取{D'dis,j|1≤j≤N'}中的前K個(gè)距離各自對(duì)應(yīng)的訓(xùn)練集中的失真立體圖像的平均主觀評(píng)分值，并將這K個(gè)平均主觀評(píng)分值構(gòu)成的集合記為{DMOS'1,DMOS'2,…,DMOS'K}，其中，1≤K≤N'，DMOS'1,DMOS'2,…,DMOS'K對(duì)應(yīng)表示{D'dis,j|1≤j≤N'}中的第1個(gè)距離對(duì)應(yīng)的訓(xùn)練集中的失真立體圖像的平均主觀評(píng)分值、第2個(gè)距離對(duì)應(yīng)的訓(xùn)練集中的失真立體圖像的平均主觀評(píng)分值、…、第K個(gè)距離對(duì)應(yīng)的訓(xùn)練集中的失真立體圖像的平均主觀評(píng)分值。⑩計(jì)算Sdis的客觀質(zhì)量評(píng)價(jià)預(yù)測(cè)值，記為Qdis，其中，D'dis,k表示{D'dis,j|1≤j≤N'}中的第k個(gè)距離，DMOS'k表示D'dis,k對(duì)應(yīng)的訓(xùn)練集中的失真立體圖像的平均主觀評(píng)分值。所述的步驟③中的，其中，Rdis(x+ddis(x,y),y)表示{Rdis(x,y)}中坐標(biāo)位置為(x+ddis(x,y),y)的像素點(diǎn)的像素值，GR,dis(x+ddis(x,y),y)表示{GR,dis(x,y)}中坐標(biāo)位置為(x+ddis(x,y),y)的像素點(diǎn)的像素值。所述的步驟④中的，其中，F(xiàn)R,dis(x+ddis(x,y),y)表示{FR,dis(x,y)}中坐標(biāo)位置為(x+ddis(x,y),y)的像素點(diǎn)的像素值，GR,dis(x+ddis(x,y),y)表示{GR,dis(x,y)}中坐標(biāo)位置為(x+ddis(x,y),y)的像素點(diǎn)的像素值。所述的步驟⑤中的其中，C為控制參數(shù)。所述的步驟⑥中的局部二值化模式操作中的領(lǐng)域參數(shù)P取值為8，且局部半徑參數(shù)R取值為1。與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于：1)本發(fā)明方法采用雙目融合模型，對(duì)左視點(diǎn)圖像和右視點(diǎn)圖像進(jìn)行融合，得到左右視點(diǎn)融合圖像；同時(shí)對(duì)左視點(diǎn)視覺(jué)特征圖和右視點(diǎn)視覺(jué)特征圖進(jìn)行融合，得到左右視點(diǎn)融合視覺(jué)特征圖，得到的左右視點(diǎn)融合圖像和左右視點(diǎn)融合視覺(jué)特征圖能夠很好的模擬雙目(立體)視覺(jué)感知特性。2)本發(fā)明方法在充分利用了雙目視覺(jué)感知特性的基礎(chǔ)上，獲取了左右視點(diǎn)融合圖像與左右視點(diǎn)融合視覺(jué)特征圖之間的自相似度圖像，自相似度圖像作為雙目視覺(jué)感知特性信息能夠有效地表示主觀視覺(jué)特性，因此能有效地提高客觀評(píng)價(jià)結(jié)果與主觀感知之間的相關(guān)性。附圖說(shuō)明圖1為本發(fā)明方法的總體實(shí)現(xiàn)框圖。具體實(shí)施方式以下結(jié)合附圖實(shí)施例對(duì)本發(fā)明作進(jìn)一步詳細(xì)描述。本發(fā)明提出的一種基于雙目融合特征相似度的無(wú)參考立體圖像質(zhì)量評(píng)價(jià)方法，其總體實(shí)現(xiàn)框圖如圖1所示，其包括以下步驟：①令Sdis表示待評(píng)價(jià)的失真立體圖像，將Sdis的左視點(diǎn)圖像記為{Ldis(x,y)}，將Sdis的右視點(diǎn)圖像記為{Rdis(x,y)}；然后采用現(xiàn)有的塊匹配方法，計(jì)算{Ldis(x,y)}與{Rdis(x,y)}之間的視差圖像，記為{ddis(x,y)}；其中，1≤x≤W,1≤y≤H，W表示Sdis的寬度，H表示Sdis的高度，Ldis(x,y)表示{Ldis(x,y)}中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值，Rdis(x,y)表示{Rdis(x,y)}中坐標(biāo)位置為(x,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。②采用現(xiàn)有的Gabor濾波方法對(duì){Ldis(x,y)}進(jìn)行操作，得到左視點(diǎn)響應(yīng)圖，記為{GL,dis(x,y)}；然后采用現(xiàn)有的LOG(LaplacianofGaussian)濾波方法對(duì){Ldis(x,y)}進(jìn)行操作，得到左視點(diǎn)視覺(jué)特征圖，記為{FL,dis(x,y)}；其中，GL,dis(x,y)表示{GL,dis(x,y)}中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值，F(xiàn)L,dis(x,y)表示{FL,dis(x,y)}中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值。同樣，采用現(xiàn)有的Gabor濾波方法對(duì){Rdis(x,y)}進(jìn)行操作，得到右視點(diǎn)響應(yīng)圖，記為{GR,dis(x,y)}；然后采用現(xiàn)有的LOG(LaplacianofGaussian)濾波方法對(duì){Rdis(x,y)}進(jìn)行操作，得到右視點(diǎn)視覺(jué)特征圖，記為{FR,dis(x,y)}；其中，GR,dis(x,y)表示{GR,dis(x,y)}中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值，F(xiàn)R,dis(x,y)表示{FR,dis(x,y)}中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值。③根據(jù){Ldis(x,y)}和{Rdis(x,y)}、{GL,dis(x,y)}和{GR,dis(x,y)}、{ddis(x,y)}，計(jì)算Sdis的左右視點(diǎn)融合圖像，記為{RL,R,dis(x,y)}，其中，RL,R,dis(x,y)表示{RL,R,dis(x,y)}中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值。在此具體實(shí)施例中，步驟③中的，其中，Rdis(x+ddis(x,y),y)表示{Rdis(x,y)}中坐標(biāo)位置為(x+ddis(x,y),y)的像素點(diǎn)的像素值，GR,dis(x+ddis(x,y),y)表示{GR,dis(x,y)}中坐標(biāo)位置為(x+ddis(x,y),y)的像素點(diǎn)的像素值。④根據(jù){FL,dis(x,y)}和{FR,dis(x,y)}、{GL,dis(x,y)}和{GR,dis(x,y)}、{ddis(x,y)}，計(jì)算Sdis的左右視點(diǎn)融合視覺(jué)特征圖，記為{FL,R,dis(x,y)}，其中，F(xiàn)L,R,dis(x,y)表示{FL,R,dis(x,y)}中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值。在此具體實(shí)施例中，步驟④中的，其中，F(xiàn)R,dis(x+ddis(x,y),y)表示{FR,dis(x,y)}中坐標(biāo)位置為(x+ddis(x,y),y)的像素點(diǎn)的像素值，GR,dis(x+ddis(x,y),y)表示{GR,dis(x,y)}中坐標(biāo)位置為(x+ddis(x,y),y)的像素點(diǎn)的像素值。⑤計(jì)算{RL,R,dis(x,y)}與{FL,R,dis(x,y)}之間的自相似度圖像，記為{Hdis,sim(x,y)}，其中，Hdis,sim(x,y)表示{Hdis,sim(x,y)}中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值。在此具體實(shí)施例中，步驟⑤中的其中，C為控制參數(shù)，在本實(shí)施例中取C＝0.0001。⑥采用現(xiàn)有的量化方法對(duì){Hdis,sim(x,y)}進(jìn)行處理，得到{Hdis,sim(x,y)}的量化圖像，記為{Hdis,sim,Q(x,y)}；并采用現(xiàn)有的局部二值化模式(LocalBinaryPattern)操作對(duì){Hdis,sim(x,y)}進(jìn)行處理，得到{Hdis,sim(x,y)}的局部二值化模式圖像，記為{Hdis,sim,lbp(x,y)}；其中，Hdis,sim,Q(x,y)表示{Hdis,sim,Q(x,y)}中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值，Hdis,sim,lbp(x,y)表示{Hdis,sim,lbp(x,y)}中坐標(biāo)位置為(x,y)的像素點(diǎn)的像素值。在本實(shí)施例中，步驟⑥中的局部二值化模式操作中的領(lǐng)域參數(shù)P取值為8，且局部半徑參數(shù)R取值為1。⑦采用現(xiàn)有的直方圖統(tǒng)計(jì)方法對(duì){Hdis,sim,Q(x,y)}進(jìn)行統(tǒng)計(jì)操作，得到{Hdis,sim,Q(x,y)}的直方圖統(tǒng)計(jì)特征向量，記為Hdis,sim,Q,hist；同樣，采用現(xiàn)有的直方圖統(tǒng)計(jì)方法對(duì){Hdis,sim,lbp(x,y)}進(jìn)行統(tǒng)計(jì)操作，得到{Hdis,sim,lbp(x,y)}的直方圖統(tǒng)計(jì)特征向量，記為Hdis,sim,lbp,hist；其中，Hdis,sim,Q,hist的維數(shù)為1×m'維，Hdis,sim,Q,hist中的第m個(gè)元素為Hdis,sim,Q,hist(m)，Hdis,sim,lbp,hist的維數(shù)為1×m'維，Hdis,sim,lbp,hist中的第m個(gè)元素為Hdis,sim,lbp,hist(m)，1≤m≤m'，m'＝P+2，P表示局部二值化模式操作中的領(lǐng)域參數(shù)。⑧采用n”幅原始的無(wú)失真立體圖像，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，將該失真立體圖像集合作為訓(xùn)練集，訓(xùn)練集包括多幅失真立體圖像；然后利用現(xiàn)有的主觀質(zhì)量評(píng)價(jià)方法評(píng)價(jià)出訓(xùn)練集中的每幅失真立體圖像的平均主觀評(píng)分值，將訓(xùn)練集中的第j幅失真立體圖像的平均主觀評(píng)分值記為DMOSj；再按照步驟①至步驟⑦的操作，以相同的方式獲取訓(xùn)練集中的每幅失真立體圖像對(duì)應(yīng)的自相似度圖像的量化圖像的直方圖統(tǒng)計(jì)特征向量和自相似度圖像的局部二值化模式圖像的直方圖統(tǒng)計(jì)特征向量，將訓(xùn)練集中的第j幅失真立體圖像對(duì)應(yīng)的自相似度圖像的量化圖像的直方圖統(tǒng)計(jì)特征向量和自相似度圖像的局部二值化模式圖像的直方圖統(tǒng)計(jì)特征向量分別記為Hj,sim,Q,hist和Hj,sim,lbp,hist；其中，n”>1，1≤j≤N'，N'表示訓(xùn)練集中包含的失真立體圖像的總幅數(shù)，在本實(shí)施例中N'≥10，0≤DMOSj≤100，Hj,sim,Q,hist和Hj,sim,lbp,hist的維數(shù)均為1×m'維。在此，Hj,sim,Q,hist和Hj,sim,lbp,hist的獲取過(guò)程為：A1、令Sj表示訓(xùn)練集中的第j幅失真立體圖像，將Sj的左視點(diǎn)圖像記為{Lj(x',y')}，將Sj的右視點(diǎn)圖像記為{Rj(x',y')}；然后采用現(xiàn)有的塊匹配方法，計(jì)算{Lj(x',y')}與{Rj(x',y')}之間的視差圖像，記為{dj(x',y')}；其中，1≤x'≤W',1≤y'≤H'，W'表示訓(xùn)練集中的失真立體圖像的寬度，H'表示訓(xùn)練集中的失真立體圖像的高度，Lj(x',y')表示{Lj(x',y')}中坐標(biāo)位置為(x',y')的像素點(diǎn)的像素值，Rj(x',y')表示{Rj(x',y')}中坐標(biāo)位置為(x',y')的像素點(diǎn)的像素值，dj(x',y')表示{dj(x',y')}中坐標(biāo)位置為(x',y')的像素點(diǎn)的像素值。A2、采用現(xiàn)有的Gabor濾波方法對(duì){Lj(x',y')}進(jìn)行操作，得到左視點(diǎn)響應(yīng)圖，記為{GL,j(x',y')}；然后采用現(xiàn)有的LOG(LaplacianofGaussian)濾波方法對(duì){Lj(x',y')}進(jìn)行操作，得到左視點(diǎn)視覺(jué)特征圖，記為{FL,j(x',y')}；其中，GL,j(x',y')表示{GL,j(x',y')}中坐標(biāo)位置為(x',y')的像素點(diǎn)的像素值，F(xiàn)L,j(x',y')表示{FL,j(x',y')}中坐標(biāo)位置為(x',y')的像素點(diǎn)的像素值。同樣，采用現(xiàn)有的Gabor濾波方法對(duì){Rj(x',y')}進(jìn)行操作，得到右視點(diǎn)響應(yīng)圖，記為{GR,j(x',y')}；然后采用現(xiàn)有的LOG(LaplacianofGaussian)濾波方法對(duì){Rj(x',y')}進(jìn)行操作，得到右視點(diǎn)視覺(jué)特征圖，記為{FR,j(x',y')}；其中，GR,j(x',y')表示{GR,j(x',y')}中坐標(biāo)位置為(x',y')的像素點(diǎn)的像素值，F(xiàn)R,j(x',y')表示{FR,j(x',y')}中坐標(biāo)位置為(x',y')的像素點(diǎn)的像素值。A3、根據(jù){Lj(x',y')}和{Rj(x',y')}、{GL,j(x',y')}和{GR,j(x',y')}、{dj(x',y')}，計(jì)算Sj的左右視點(diǎn)融合圖像，記為{RL,R,j(x',y')}，其中，RL,R,j(x',y')表示{RL,R,j(x',y')}中坐標(biāo)位置為(x',y')的像素點(diǎn)的像素值。在此具體實(shí)施例中，步驟A3中的，其中，Rj(x'+dj(x',y'),y')表示{Rj(x',y')}中坐標(biāo)位置為(x'+dj(x',y'),y')的像素點(diǎn)的像素值，GR,j(x'+dj(x',y'),y')表示{GR,j(x',y')}中坐標(biāo)位置為(x'+dj(x',y'),y')的像素點(diǎn)的像素值。A4、根據(jù){FL,j(x',y')}和{FR,j(x',y')}、{GL,j(x',y')}和{GR,j(x',y')}、{dj(x',y')}，計(jì)算Sj的左右視點(diǎn)融合視覺(jué)特征圖，記為{FL,R,j(x',y')}，其中，F(xiàn)L,R,j(x',y')表示{FL,R,j(x',y')}中坐標(biāo)位置為(x',y')的像素點(diǎn)的像素值。在此具體實(shí)施例中，步驟A4中的，其中，F(xiàn)R,j(x'+dj(x',y'),y')表示{FR,j(x',y')}中坐標(biāo)位置為(x'+dj(x',y'),y')的像素點(diǎn)的像素值，GR,j(x'+dj(x',y'),y')表示{GR,j(x',y')}中坐標(biāo)位置為(x'+dj(x',y'),y')的像素點(diǎn)的像素值。A5、計(jì)算{RL,R,j(x',y')}與{FL,R,j(x',y')}之間的自相似度圖像，記為{Hj,sim(x',y')}，其中，Hj,sim(x,y)表示{Hj,sim(x',y')}中坐標(biāo)位置為(x',y')的像素點(diǎn)的像素值。在此具體實(shí)施例中，步驟A5中的其中，C為控制參數(shù)，在本實(shí)施例中取C＝0.0001。A6、采用現(xiàn)有的量化方法對(duì){Hj,sim(x',y')}進(jìn)行處理，得到{Hj,sim(x',y')}的量化圖像，記為{Hj,sim,Q(x',y')}；并采用現(xiàn)有的局部二值化模式(LocalBinaryPattern)操作對(duì){Hj,sim(x',y')}進(jìn)行處理，得到{Hj,sim(x',y')}的局部二值化模式圖像，記為{Hj,sim,lbp(x',y')}；其中，Hj,sim,Q(x',y')表示{Hj,sim,Q(x',y')}中坐標(biāo)位置為(x',y')的像素點(diǎn)的像素值，Hj,sim,lbp(x',y')表示{Hj,sim,lbp(x',y')}中坐標(biāo)位置為(x',y')的像素點(diǎn)的像素值。在本實(shí)施例中，步驟A6中的局部二值化模式操作中的領(lǐng)域參數(shù)P取值為8，且局部半徑參數(shù)R取值為1。A7、采用現(xiàn)有的直方圖統(tǒng)計(jì)方法對(duì){Hj,sim,Q(x',y')}進(jìn)行統(tǒng)計(jì)操作，得到{Hj,sim,Q(x',y')}的直方圖統(tǒng)計(jì)特征向量，記為Hj,sim,Q,hist；同樣，采用現(xiàn)有的直方圖統(tǒng)計(jì)方法對(duì){Hj,sim,lbp(x',y')}進(jìn)行統(tǒng)計(jì)操作，得到{Hj,sim,lbp(x',y')}的直方圖統(tǒng)計(jì)特征向量，記為Hj,sim,lbp,hist；其中，Hj,sim,Q,hist的維數(shù)為1×m'維，Hj,sim,lbp,hist的維數(shù)為1×m'維，m'＝P+2，P表示局部二值化模式操作中的領(lǐng)域參數(shù)。⑨計(jì)算Sdis對(duì)應(yīng)的直方圖統(tǒng)計(jì)特征向量與訓(xùn)練集中的每幅失真立體圖像對(duì)應(yīng)的直方圖統(tǒng)計(jì)特征向量之間的距離，將Sdis對(duì)應(yīng)的直方圖統(tǒng)計(jì)特征向量與訓(xùn)練集中的第j幅失真立體圖像對(duì)應(yīng)的直方圖統(tǒng)計(jì)特征向量之間的距離記為Ddis,j，Ddis,j＝|Hdis,sim,Q,hist-Hj,sim,Q,hist|+|Hdis,sim,lbp,hist-Hj,sim,lbp,hist|，并將這N'個(gè)距離構(gòu)成的集合記為{Ddis,j|1≤j≤N'}，其中，符號(hào)“||”為取絕對(duì)值符號(hào)；然后對(duì){Ddis,j|1≤j≤N'}中的所有距離按從小到大的順序排列，將排列后的集合記為{D'dis,j|1≤j≤N'}；接著獲取{D'dis,j|1≤j≤N'}中的前K個(gè)距離各自對(duì)應(yīng)的訓(xùn)練集中的失真立體圖像的平均主觀評(píng)分值，并將這K個(gè)平均主觀評(píng)分值構(gòu)成的集合記為{DMOS'1,DMOS'2,…,DMOS'K}，其中，1≤K≤N'，在本實(shí)施例中取K＝10，DMOS'1,DMOS'2,…,DMOS'K對(duì)應(yīng)表示{D'dis,j|1≤j≤N'}中的第1個(gè)距離對(duì)應(yīng)的訓(xùn)練集中的失真立體圖像的平均主觀評(píng)分值、第2個(gè)距離對(duì)應(yīng)的訓(xùn)練集中的失真立體圖像的平均主觀評(píng)分值、…、第K個(gè)距離對(duì)應(yīng)的訓(xùn)練集中的失真立體圖像的平均主觀評(píng)分值。⑩計(jì)算Sdis的客觀質(zhì)量評(píng)價(jià)預(yù)測(cè)值，記為Qdis，其中，D'dis,k表示{D'dis,j|1≤j≤N'}中的第k個(gè)距離，DMOS'k表示D'dis,k對(duì)應(yīng)的訓(xùn)練集中的失真立體圖像的平均主觀評(píng)分值。為了進(jìn)一步驗(yàn)證本發(fā)明方法的可行性和有效性，進(jìn)行實(shí)驗(yàn)。在此，采用LIVE立體圖像失真庫(kù)來(lái)分析利用本發(fā)明方法得到的失真立體圖像的客觀質(zhì)量評(píng)價(jià)預(yù)測(cè)值與平均主觀評(píng)分值之間的相關(guān)性。這里，利用評(píng)估圖像質(zhì)量評(píng)價(jià)方法的3個(gè)常用客觀參量作為評(píng)價(jià)指標(biāo)，即非線性回歸條件下的Pearson相關(guān)系數(shù)(Pearsonlinearcorrelationcoefficient，PLCC)、Spearman相關(guān)系數(shù)(Spearmanrankordercorrelationcoefficient，SROCC)、均方誤差(rootmeansquarederror，RMSE)，PLCC和RMSE反映失真立體圖像的客觀質(zhì)量評(píng)價(jià)預(yù)測(cè)值的準(zhǔn)確性，SROCC反映其單調(diào)性。利用本發(fā)明方法計(jì)算LIVE立體圖像失真庫(kù)中的每幅失真立體圖像的客觀質(zhì)量評(píng)價(jià)預(yù)測(cè)值，再利用現(xiàn)有的主觀質(zhì)量評(píng)價(jià)方法獲得LIVE立體圖像失真庫(kù)中的每幅失真立體圖像的平均主觀評(píng)分值。將按本發(fā)明方法計(jì)算得到的失真立體圖像的客觀質(zhì)量評(píng)價(jià)預(yù)測(cè)值做五參數(shù)Logistic函數(shù)非線性擬合，PLCC和SROCC值越高，RMSE值越低說(shuō)明客觀評(píng)價(jià)方法的客觀評(píng)價(jià)結(jié)果與平均主觀評(píng)分值之間的相關(guān)性越好。反映本發(fā)明方法的質(zhì)量評(píng)價(jià)性能的PLCC、SROCC和RMSE相關(guān)系數(shù)如表1所列。從表1所列的數(shù)據(jù)可知，按本發(fā)明方法得到的失真立體圖像的客觀質(zhì)量評(píng)價(jià)預(yù)測(cè)值與平均主觀評(píng)分值之間的相關(guān)性是很好的，表明客觀評(píng)價(jià)結(jié)果與人眼主觀感知的結(jié)果較為一致，足以說(shuō)明本發(fā)明方法的可行性和有效性。表1利用本發(fā)明方法得到的LIVE立體圖像失真庫(kù)中的失真立體圖像的客觀質(zhì)量評(píng)價(jià)預(yù)測(cè)值與平均主觀評(píng)分值之間的相關(guān)性