一種立體圖像質量客觀評價方法

2023-06-14 22:44:56 1

專利名稱：一種立體圖像質量客觀評價方法
技術領域：
本發明涉及一種圖像質量評價方法，尤其是涉及一種立體圖像質量客觀評價方法。
背景技術：
隨著圖像編碼技術和立體顯示技術的迅速發展，立體圖像技術受到了越來越廣泛的關注與應用，已成為當前的一個研究熱點。立體圖像技術利用人眼的雙目視差原理，雙目各自獨立地接收來自同一場景的左右視點圖像，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。由於受到採集系統、存儲壓縮及傳輸設備的影響，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，立體圖像需要同時保證兩個通道的圖像質量，對其進行質量評價具有非常重要的意義。然而，目前對立體圖像質量進行評價缺乏有效的客觀評價方法。因此，建立有效的立體圖像質量客觀評價模型具有十分重要的意義。
目前的立體圖像質量客觀評價方法是假定原始無失真圖像是存在的，這種評價方法是目前比較成熟的評價方法，往往能獲得較為滿意的評價效果，但是在實際應用中，往往無法獲得測試圖像的原始無失真圖像，因此，對其進行質量評價需要解決以下幾方面的問題1)如何提取反映不同失真程度的立體圖像特徵來評價立體圖像質量，使得特徵的大小能正確反映立體圖像的失真程度；2)如何提取反映不同失真類型的立體圖像特徵來評價立體圖像質量，使得描述的特徵能正確反映各種失真類型的信息。發明內容
本發明所要解決的技術問題是提供一種能夠有效提高客觀評價結果與主觀感知的相關性的立體圖像質量客觀評價方法。
本發明解決上述技術問題所採用的技術方案為一種立體圖像質量客觀評價方法，其特徵在於包括以下步驟
①令Sdis為待評價的失真的立體圖像，將待評價的失真的立體圖像的左視點圖像記為ILdis(χ，y)}，將待評價的失真的立體圖像的右視點圖像記為IRdis(χ，y)}， 其中，(χ，y)表示待評價的失真的立體圖像的左視點圖像ILdis(χ，y)}和右視點圖像 IRdis(X，y)}中像素點的坐標位置，1彡χ彡W，1彡y彡H，W表示待評價的失真的立體圖像的左視點圖像ILdis(x，y)}和右視點圖像{Rdis(x，y)}的寬度，H表示待評價的失真的立體圖像的左視點圖像ILdis (X，y)}和右視點圖像IRdis (X，y)}的高度，Ldis (x，y)表示待評價的失真的立體圖像的左視點圖像ILdis(X，y)}中坐標位置為(X，y)的像素點的像素值，&is(x，y)表示待評價的失真的立體圖像的右視點圖像IRdis (x，y)}中坐標位置為 (χ，y)的像素點的像素值；
②通過分別計算待評價的失真的立體圖像的左視點圖像ILdis(X，y)}和右視點圖像IRdis(x，y)}的梯度直方圖，獲得待評價的失真的立體圖像的用於反映圖像質量的高斯模糊失真程度的特徵矢量，記為Fgblm ；
③通過分別計算待評價的失真的立體圖像的左視點圖像ILdis(X，y)}和右視點圖像{Rdis(x，y)}中的所有像素點的頻譜幅度和所有互不重疊的8X8子塊的方差值，獲得待評價的失真的立體圖像的用於反映圖像質量的白噪聲失真程度的特徵矢量，記為 F ·1 wn，
④通過分別計算待評價的失真的立體圖像的左視點圖像ILdis(X，y)}和右視點圖像{Rdis(x，y)}中的所有互不重疊的8X8子塊的對比度和所有互不重疊的8X8子塊的中高頻係數均值，獲得待評價的失真的立體圖像的用於反映圖像質量的JPEG失真程度的特徵矢量，記為
⑤通過分別計算待評價的失真的立體圖像的左視點圖像ILdis(X，y)}和右視點圖像IRdis(x，y)}實施小波變換後得到的各子帶的小波係數矩陣的標準差和形狀參數，獲得待評價的失真的立體圖像的用於反映圖像質量的JPEG2000失真程度的特徵矢量，記為 Fjp2k ；
⑥將待評價的失真的立體圖像的用於反映圖像質量的高斯模糊失真程度的特徵矢量？㈣^用於反映圖像質量的白噪聲失真程度的特徵矢量Fwn、用於反映圖像質量的 JPEG失真程度的特徵矢量Fjpeg及用於反映圖像質量的JPEG2000失真程度的特徵矢量Fjp2k 連接起來形成一個新的特徵矢量，作為待評價的失真的立體圖像的特徵矢量，記為X，XI-Fgblur' Fwn Fjpeg' Fjp2k ]，其中，「 □」為矢量表示符號，[Fgblur,丄 wn，丄 jpeg， Fjp2k]Fgblur、Fm> Fjpeg和連接起來形成一個新的特徵矢量；
⑦採用η幅原始的無失真的立體圖像，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，利用主觀質量評價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DM0S， DMOS = 100-M0S，其中，MOS 表示主觀評分均值，DMOS e
，η 彡 1 ；
⑧按照步驟①至步驟⑥計算的特徵矢量X的操作，分別計算失真立體圖像集合中每幅失真的立體圖像的特徵矢量，對於失真立體圖像集合中的第i幅失真的立體圖像的特徵矢量，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；
⑨採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徵矢量進行訓練，並利用訓練得到的支持向量回歸訓練模型對同一失真類型的每幅失真的立體圖像進行測試，計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量評價預測值，對於失真立體圖像集合中的第i幅失真的立體圖像的客觀質量評價預測值，將其記為仏，Qi = f (Xi),再計算經過N次迭代的每幅失真的立體圖像的客觀質量評價預測值的平均值，並將計算得到的平均值作為對應那幅失真的立體圖像的最終客觀質量評價預測值，其中，f為函數表示形式，Qi = f(Xi)表示仏為&的函數， l^i^n' ,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，N彡1。
所述的步驟②的具體過程為
②-1、計算待評價的失真的立體圖像的左視點圖像{Ldis(x，y)}的梯度圖像， 記為料眾力丨，記私力中義力卜祀仏力!，其中ο，」表示待評價的失真的立體圖像的左視點圖像ILdis(X，y)}的梯度圖像pi(x，>0j中坐標位置為(X，y)的像素點的梯度值，(x,_y)表示待評價的失真的立體圖像的左視點圖像ILdis(X，y)}中坐標位置為(X，y)的像素點的水平梯度值，G= (X,_y)表示待評價的失真的立體圖像的左視點圖像 ILdis(X，y)}中坐標位置為(x, y)的像素點的垂直梯度值，「 | | 」為求絕對值符號；
②-2、計算待評價的失真的立體圖像的左視點圖像ILdis(X，y)}的梯度圖像的梯度直方圖，記為{HL(k) |0彡k彡255}，然後將{HL(k) |0彡k彡255}中的所有元素按順序進行排列得到待評價的失真的立體圖像的左視點圖像ILdis(X，y)}的用於反映圖像質量的高斯模糊失真程度的特徵矢量，記為1 ,，其中，Hl(k)表示Pi(X^)I中梯度值為k的所有像素點的個數的維數為256 ；
②-3、計算待評價的失真的立體圖像的右視點圖像{Rdis(x，y)}的梯度圖像， 記為{Gi(x，>0} fil(x,y) = \G^x,y)\ + \Gl(x,y)\，其中，冗^力表示待評價的失真的立體圖像Sis的右視點圖像IRdis(χ，y)}的梯度圖像^i(Xj)I中坐標位置為U，y)的像素點的梯度值，表示待評價的失真的立體圖像的右視點圖像{Rdis(x，y)}中坐標位置為(X，y)的像素點的水平梯度值，g;;(x，>0表示待評價的失真的立體圖像的右視點圖像 IRdis(χ，y)}中坐標位置為(χ, y)的像素點的垂直梯度值，「 I I 」為求絕對值符號；
②-4、計算待評價的失真的立體圖像的右視點圖像IRdis(X，y)}的梯度圖像^i(XJ)I的梯度直方圖，記為{HK(k)|0彡k彡255}，然後將{HK(k) |0彡k彡255}中的所有元素按順序進行排列得到待評價的失真的立體圖像的右視點圖像IRdis(X，y)}的用於反映圖像質量的高斯模糊失真程度的特徵矢量，記為F;,，其中，he(k)表示中梯度值為k的所有像素點的個數，F^,的維數為256 ；
②_5、計算待評價的失真的立體圖像Sdis的用於反映圖像質量的高斯模糊失真程度的特徵矢量，記為Fgblu,，=F^J，其中，max為取最大值函數，Fgblu,的維數為256。
所述的步驟③的具體過程為
③-1、對待評價的失真的立體圖像的左視點圖像{Ldis(x，y)}進行傅立葉變換，得到待評價的失真的立體圖像的左視點圖像ILdis(X，y)}的頻譜圖像，記為 ^1(、>01，然後計算待評價的失真的立體圖像Sis的左視點圖像ILdis(X，y)}的頻譜圖H W像時(Wi)丨中的所有像素點的頻譜幅度的均值，記為識^=IlTfi^yA'(H^w)'其中，(X1, Y1)表示待評價的失真的立體圖像的左視點圖像ILdis(X，y)}的頻譜圖像 [^(X1J1))中像素點的坐標位置，1 ^ X1 ^ W, 1 ^ Y1 ^扎硿化，;;J表示待評價的失真的立體圖像Sis的左視點圖像ILdis(x，y)}的頻譜圖像[^(X1,>0j中坐標位置為(X1^1)的像素點的頻譜幅度，「 I I 」為求絕對值符號；WxH
③-2、將待評價的失真的立體圖像的左視點圖像ILdis (x，y)}劃分成^^個8x8互不重疊的8X8子塊；
③-3、定義待評價的失真的立體圖像的左視點圖像ILdis(X，y)}中的第1個 8X8子塊為當前子塊，記為If1O^y2M,然後計算當前子塊If1O^y2M的方差值，記為σι=±±{/ι(^2)-βι)2ΙβΑ，叫=社協2,爹，其中，κ/<『χ//，( ，y2)表示當Y2=Ix2=Iy2=l X2=I8x8前子塊(X2，y2)}中像素點的坐標位置，1彡&彡8，1彡y2彡8，(x2，y2)表示當前子塊 If1(X2^y2)I中坐標位置為(x2, y2)的像素點的像素值；
③-4、令1〃 =1+1，1 = 1〃，將待評價的失真的立體圖像的左視點圖像{Ldis(x，y)}中的下一個8X8子塊作為當前子塊，返回步驟③-3繼續執行，直至待評價的失WxH真的立體圖像的左視點圖像ILdis(X，y)}中的^^個互不重疊的8X8子塊均處理完8x8畢，得到待評價的失真的立體圖像的左視點圖像ILdis(x，y)}中的所有互不重疊的8X8「JFxi/]子塊的方差值集合，記為^|1</< ——，其中，1 〃的初始值為0 ；[8x8 J
③-5、計算待評價的失真的立體圖像的左視點圖像{Ldis(x，y)}中的所有互不「JFxi/]重疊的8X8子塊的方差值集合中所有元素的平均值，記為然後將和L8x8 Jσ , σ按順序進行排列得到待評價的失真的立體圖像的左視點圖像ILdis (x, y)}的用於反映圖像質量的白噪聲失真程度的特徵矢量，記為Fl，其中，Fi的維數為2 ；
③-6、按照步驟③-1至步驟③-5計算待評價的失真的立體圖像的左視點圖像ILdis(X，y)}的用於反映圖像質量的白噪聲失真程度的特徵矢量Fl的操作，計算待評價的失真的立體圖像的右視點圖像{Rdis(x，y)}的用於反映圖像質量的白噪聲失真程度的特徵矢量，記為F:，其中，Fgft^的維數為2 ；
③_7、計算待評價的失真的立體圖像Sdis的用於反映圖像質量的白噪聲失真程度的特徵矢量，記為Fwn，Fw =maX(Fi,F:)，其中，max為取最大值函數，Fwn的維數為2。
所述的步驟④的具體過程為WxH
④-1、將待評價的失真的立體圖像的左視點圖像{Ldis(x，y)}劃分成^^個8x8互不重疊的8X8子塊；
④-2、定義待評價的失真的立體圖像的左視點圖像ILdis(X，y)}中的第1個WxH8X8子塊為當前子塊，記為{4( ,%)},其中，(x2，y2)表示當前子塊If1U2,8x8y2)}中像素點的坐標位置，SaSy2SSd1(X2J2)表示當前子塊If1O^y2M中坐標位置為(x2，y2)的像素點的像素值；
④-3、對當前子塊If1U2, y2)}進行餘弦離散變換，得到當前子塊{f\(x2，y2)}的 DCT係數矩陣，記為ID1(X3J3)K其中，(x3, y3)表示當前子塊If1(X2^y2)I的DCT係數矩陣 ID1 (x3，y3)l中的DCT係數值的坐標位置，X3 ^ 8, y3 ^ 8, D1U3，y3)表示當前子塊 {&(&，％)}的DCT係數矩陣ID1O^y3M中坐標位置為(x3，y3)的DCT係數值；
④_4、計算當前子塊(x2, y2)}的DCT係數矩陣(D1 (x3, y3)}的對比度
權利要求
1. 一種立體圖像質量客觀評價萬法，其特徵在於包括以下步驟①令為待評價的失真的立體圖像，將待評價的失真的立體圖像的左視點圖像記為ILdis (x，y)}，將待評價的失真的立體圖像Sdis的右視點圖像記為IRdis (x，y)}，其中，(χ, y)表示待評價的失真的立體圖像的左視點圖像ILdis(x，y)}和右視點圖像IRdis(x，y)} 中像素點的坐標位置，W表示待評價的失真的立體圖像的左視點圖像ILdis (x，y)}和右視點圖像IRdis (x，y)}的寬度，H表示待評價的失真的立體圖像的左視點圖像ILdis(x，y)}和右視點圖像{Rdis(x，y)}的高度，Ldis(x，y)表示待評價的失真的立體圖像的左視點圖像ILdis(x，y)}中坐標位置為(x，y)的像素點的像素值，I^dis(x， y)表示待評價的失真的立體圖像的右視點圖像{Rdis(x，y)}中坐標位置為(x，y)的像素點的像素值；②通過分別計算待評價的失真的立體圖像的左視點圖像ILdis(χ，y)}和右視點圖像IRdis(x，y)}的梯度直方圖，獲得待評價的失真的立體圖像的用於反映圖像質量的高斯模糊失真程度的特徵矢量，記為Fgblm ；③通過分別計算待評價的失真的立體圖像的左視點圖像ILdis(X，y)}和右視點圖像IRdis(χ，y)}中的所有像素點的頻譜幅度和所有互不重疊的8X8子塊的方差值，獲得待評價的失真的立體圖像的用於反映圖像質量的白噪聲失真程度的特徵矢量，記為Fwn ；④通過分別計算待評價的失真的立體圖像的左視點圖像ILdis(X，y)}和右視點圖像IRdis(X，y)}中的所有互不重疊的8X8子塊的對比度和所有互不重疊的8X8子塊的中高頻係數均值，獲得待評價的失真的立體圖像的用於反映圖像質量的JPEG失真程度的特徵矢量，記SFj胃；⑤通過分別計算待評價的失真的立體圖像的左視點圖像ILdis(X，y)}和右視點圖像{Rdis(x，y)}實施小波變換後得到的各子帶的小波係數矩陣的標準差和形狀參數，獲得待評價的失真的立體圖像的用於反映圖像質量的JPEG2000失真程度的特徵矢量，記為FjP2k ；⑥將待評價的失真的立體圖像的用於反映圖像質量的高斯模糊失真程度的特徵矢量Fgblm、用於反映圖像質量的白噪聲失真程度的特徵矢量F 、用於反映圖像質量的JPEG 失真程度的特徵矢量Fjpeg及用於反映圖像質量的JPEG2000失真程度的特徵矢量Fjp2k連接起來形成一個新的特徵矢量，作為待評價的失真的立體圖像的特徵矢量，記為X，X = [Fgblur，Fwn' Fjpeg' Fjp2k]，其中， []為矢裡表TJ^付5，[Fgblur Fwn, Fjpeg, Fjp2k] ^TjN^ FgblurΛ FwnΛ Fjpeg和&p2k連接起來形成一個新的特徵矢量；⑦採用Π幅原始的無失真的立體圖像，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，利用主觀質量評價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按照步驟①至步驟⑥計算的特徵矢量X的操作，分別計算失真立體圖像集合中每幅失真的立體圖像的特徵矢量，對於失真立體圖像集合中的第i幅失真的立體圖像的特徵矢量，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；⑨採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徵矢量進行訓練，並利用訓練得到的支持向量回歸訓練模型對同一失真類型的每幅失真的立體圖像進行測試，計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量評價預測值，對於失真立體圖像集合中的第i幅失真的立體圖像的客觀質量評價預測值，將其記為Qi, Qi = f (Xi)，再計算經過N次迭代的每幅失真的立體圖像的客觀質量評價預測值的平均值，並將計算得到的平均值作為對應那幅失真的立體圖像的最終客觀質量評價預測值，其中，f為函數表示形式，A = f(Xi)表示仏為&的函數，1 1。
2.根據權利要求1所述的一種立體圖像質量客觀評價方法，其特徵在於所述的步驟② 的具體過程為②-1、計算待評價的失真的立體圖像的左視點圖像ILdis(X，y)}的梯度圖像，記為{Gi (x,y)} & K >0 = (x, >0| + \GLoy (x, >0!，其中，G1dis (χ,力表示待評價的失真的立體圖像的左視點圖像ILdis(X，y)}的梯度圖像中坐標位置為(X，y)的像素點的梯度值，(x,_y)表示待評價的失真的立體圖像的左視點圖像ILdis(X，y)}中坐標位置為(x，y)的像素點的水平梯度值，G= (x,_y)表示待評價的失真的立體圖像的左視點圖像 ILdis(X，y)}中坐標位置為(x, y)的像素點的垂直梯度值，「 | | 」為求絕對值符號；②-2、計算待評價的失真的立體圖像的左視點圖像ILdis(X，y)}的梯度圖像 {Gi(x，>0j的梯度直方圖，記為{HL(k) |0彡k彡255}，然後將{HL(k) |0彡k彡255}中的所有元素按順序進行排列得到待評價的失真的立體圖像的左視點圖像ILdis(X，y)}的用於反映圖像質量的高斯模糊失真程度的特徵矢量，記為1 ,，其中，Hl(k)表示Pi(X^)I中梯度值為k的所有像素點的個數的維數為256 ；②-3、計算待評價的失真的立體圖像的右視點圖像{Rdis(x，y)}的梯度圖像，記為{G1 (χ, y)} ,Gl (x, >0 = pi (x, >0| + pi (x, >θ|，其中，Gl (χ, 表示待評價的失真的立體圖像Sis的右視點圖像IRdis(χ，y)}的梯度圖像^i(Xj)I中坐標位置為U，y)的像素點的梯度值，表示待評價的失真的立體圖像的右視點圖像{Rdis(x，y)}中坐標位置為(x，y)的像素點的水平梯度值，G；；(υ)表示待評價的失真的立體圖像的右視點圖像 IRdis(χ，y)}中坐標位置為(χ, y)的像素點的垂直梯度值，「 I I 」為求絕對值符號；②-4、計算待評價的失真的立體圖像的右視點圖像{Rdis(x，y)}的梯度圖像的梯度直方圖，記為{HK(k)|0彡k彡255}，然後將{HK(k) |0彡k彡255}中的所有元素按順序進行排列得到待評價的失真的立體圖像的右視點圖像IRdis(χ，y)}的用於反映圖像質量的高斯模糊失真程度的特徵矢量，記為F;,，其中，he(k)表示中梯度值為k的所有像素點的個數，F^,的維數為256 ；②_5、計算待評價的失真的立體圖像的用於反映圖像質量的高斯模糊失真程度的特徵矢量，記*Fgblu,，=F^J，其中，max為取最大值函數，Fgblur的維數為256。
3.根據權利要求1或2所述的一種立體圖像質量客觀評價方法，其特徵在於所述的步CN 102547368 A驟③的具體過程為③-1、對待評價的失真的立體圖像的左視點圖像ILdis(X，y)}進行傅立葉變換，得到待評價的失真的立體圖像Sdis的左視點圖像ILdis(x，y)}的頻譜圖像，記為[^(X1J1 )j，然後計算待評價的失真的立體圖像Sis的左視點圖像ILdis(x，y)}的頻譜圖像^!(X1,>Oj中的H W所有像素點的頻譜幅度的均值，記為_ ^ΣΣΚα，·^"好xfF)，其中，(Xl，Y1)表示待W， 為=Ix1=I評價的失真的立體圖像Sis的左視點圖像ILdis(x，y)}的頻譜圖像[^(X1,>Oj中像素點的坐標位置，1 ^ X1 ^ W, 1 ^ Y1 ^ H,砥(X1J)表示待評價的失真的立體圖像Sdis的左視點圖像ILdis(X，y)}的頻譜圖像中坐標位置為(X1, Y1)的像素點的頻譜幅度，「I I」為求絕對值符號；WxH③-2、將待評價的失真的立體圖像Sdis的左視點圖像{Ldis(x，y)}劃分成^^個互不8x8重疊的8X8子塊；③-3、定義待評價的失真的立體圖像的左視點圖像ILdis(X，y)}中的第1個8X8 子塊為當前子塊，記為If1U2，y2)}，然後計算當前子塊If1U2，y2)}的方差值，記為O1,=H(M^y2)-M1)2 ^4 ,U1 = ^fj Μχ,,γ,)/64，其中，κ/《『χ//，(x2, y2)表示當少2=1 χ2=ιχ2=ι8x8前子塊抝(x2，J2)}中像素點的坐標位置，1彡&彡8，1彡y2彡8，(x2，y2)表示當前子塊If1(X2^y2)I中坐標位置為(x2, y2)的像素點的像素值；③-『令丨〃 =i+i, 1 = 1〃，將待評價的失真的立體圖像的左視點圖像ILdis(X，y)}中的下一個8X8子塊作為當前子塊，返回步驟③-3繼續執行，直至待評價的失真的立WxH體圖像Sdis的左視點圖像ILdis(x，y)}中的^^個互不重疊的8X8子塊均處理完畢，得到8x8待評價的失真的立體圖像的左視點圖像ILdis(x，y)}中的所有互不重疊的8X8子塊的「fFxi/]方差值集合，記為σ,\\<1< ――，其中，1 〃的初始值為O ； [8x8 J③_5、計算待評價的失真的立體圖像的左視點圖像ILdis (x，y)}中的所有互不重疊「fFxi/]的8 X 8子塊的方差值集合σ,\\<1< ――中所有元素的平均值，記為_然後將_和_按Loxo Jσ, σ w順序進行排列得到待評價的失真的立體圖像的左視點圖像ILdis(X，y)}的用於反映圖像質量的白噪聲失真程度的特徵矢量，記為Fl，其中，巧 的維數為2 ；③_6、按照步驟③-1至步驟③-5計算待評價的失真的立體圖像的左視點圖像ILdis(x，y)}的用於反映圖像質量的白噪聲失真程度的特徵矢量Fl的操作，計算待評價的失真的立體圖像的右視點圖像IRdis(X，y)}的用於反映圖像質量的白噪聲失真程度的特徵矢量，記為F:，其中，的維數為2 ；③_7、計算待評價的失真的立體圖像的用於反映圖像質量的白噪聲失真程度的特徵矢量，記為Fwn，Fmi = max(FwL ,F^)，其中，max 為取最大值函數，Fwn的維數為2。
4.根據權利要求3所述的一種立體圖像質量客觀評價方法，其特徵在於所述的步驟④ 的具體過程為WxH④-1、將待評價的失真的立體圖像Sdis的左視點圖像{Ldis(x，y)}劃分成^^個互不8x8重疊的8X8子塊；④-2、定義待評價的失真的立體圖像的左視點圖像ILdis(X，y)}中的第1個8X8WxH子塊為當前子塊，記為If1U2，y2)}，其中，(x2, y2)表示當前子塊{f\(x2，y2)}8x8中像素點的坐標位置，1彡x2 ^ 8, y2 ^ S^1(X2jY2)表示當前子塊If1O^y2M中坐標位置為(x2,12)的像素點的像素值；④-3、對當前子塊If1O^y2M進行餘弦離散變換，得到當前子塊If1O^y2M的DCT係數矩陣，記為{^(知，」^，其中，(x3，y3)表示當前子塊If1O^y2M的DCT係數矩陣ID1U3，1 ) }中的DCT係數值的坐標位置，1彡知彡8，1彡y3彡8，D1 (x3, y3)表示當前子塊(x2，I2)}的DCT係數矩陣(D1 (x3, y3)}中坐標位置為(x3, y3)的DCT係數值；④-4、計算當前子塊If1U2, y2)}的DCT係數矩陣ID1U3, y3)}的對比度和
5.根據權利要求4所述的一種立體圖像質量客觀評價方法，其特徵在於所述的步驟⑤ 的具體過程為⑤-1、對待評價的失真的立體圖像的左視點圖像ILdis(X，y)}實施3級小波變換， 得到9個子帶的小波係數矩陣，其中，9個子帶包括3個水平方向子帶、3個垂直方向子帶和 3個對角方向子帶，將ILdis (x，y)}實施第m級小波變換後得到的第m個水平方向子帶的小波係數矩陣記為，將{Ldis (x，y)}實施第m級小波變換後得到的第m個垂直方向子帶的小波係數矩陣記為Qff，將{Ldis (x，y)}實施第m級小波變換後得到的第m個對角方向子帶的小波係數矩陣記為C^f，其中，1彡m彡3 ；⑤-2、分別計算待評價的失真的立體圖像的左視點圖像ILdis(x，y)}實施3級小波變換後得到的3個水平方向子帶、3個垂直方向子帶、3個對角方向子帶的小波係數矩陣的標準差，其中，將ILdis(X，y)}實施3級小波變換後得到的第m個水平方向子帶的小波係數矩陣G=的標準差記為，將{Ldis (x，y)}實施3級小波變換後得到的第m個垂直方向子帶的小波係數矩陣Qff的標準差記為σ〗=，將{Ldis (X，y)}實施3級小波變換後得到的第m 個對角方向子帶的小波係數矩陣C^f的標準差記為σ^ ；⑤-3、分別計算待評價的失真的立體圖像的左視點圖像ILdis(x，y)}實施3級小波變換後得到的3個水平方向子帶、3個垂直方向子帶、3個對角方向子帶的小波係數矩陣的形狀參數，其中，將ILdis(X，y)}實施3級小波變換後得到的第m個水平方向子帶的小波係數矩陣Cg=的形狀參數記為Ρ ，將ILdis (x，y)}實施3級小波變換後得到的第m個垂直方向子帶的小波係數矩陣Qff的形狀參數記為Cf，將{Ldis (x, y)}實施3級小波變換後得到的第m個對角方向子帶的小波係數矩陣C^f的形狀參數記為/^；f ；⑤-4、將待評價的失真的立體圖像的左視點圖像ILdis (x，y)}實施3級小波變換後得到的3個水平方向子帶、3個垂直方向子帶、3個對角方向子帶的標準差和形狀參數按順序進行排列得到待評價的失真的立體圖像的左視點圖像ILdis(X，y)}的用於反映圖像質量的JPEG2000失真程度的特徵矢量，記為Fkp其中，^2&的維數為I8 ；⑤_5、按照步驟⑤-1至步驟⑤-4計算待評價的失真的立體圖像的左視點圖像 ILdis(x，y)}的用於反映圖像質量的JPEG2000失真程度的特徵矢量F^it的操作，計算待評價的失真的立體圖像的右視點圖像IRdis(x，y)}的用於反映圖像質量的JPEG2000失真程度的特徵矢量，記為Fg2it，其中，巧^的維數為I8 ；⑤_6、計算待評價的失真的立體圖像的用於反映圖像質量的JPEG2000失真程度的特徵矢量，記為Fjp2kJ- =max(F^,F^2J，其中，max 為取最大值函數，Fjp2k的維數為 18。
6.根據權利要求5所述的一種立體圖像質量客觀評價方法，其特徵在於所述的步驟⑨ 的具體過程為⑨-1、隨機選擇失真立體圖像集合中(5Xn)/6幅原始的無失真的立體圖像對應的相同失真類型的所有的失真的立體圖像構成訓練樣本數據集合，記為Qti，{Xk,,DMOSk, } e Ω ，其中，η表示原始的無失真的立體圖像的幅數，q表示訓練樣本數據集合Qti 中包含的失真的立體圖像的幅數，Xk,表示訓練樣本數據集合Qti中的第k'幅失真的立體圖像的特徵矢量，DMOSk,表示訓練樣本數據集合Qti中的第k'幅失真的立體圖像的平均主觀評分差值，⑨-2、構造Xk,的回歸函數f(Xk, )為函數表示形式，w 為權重矢量，Wt為w的轉置矩陣，b為偏置項，樹Xi,)表示訓練樣本數據集合Qti中的第k'幅失真的立體圖像的特徵矢量Xk,的線性函數，樹Χ』= |^(Χ^Χγ)，D(Xk,，X1,)為支持向量回歸中的核函數，,為訓練樣本數據集合Qti中的第fΓ幅失真的立體圖像的特徵矢量，Y為核參數，用於反映輸入樣本值的範圍，樣本值的範圍越大，Y值也就越大，exp表示以e為底的指數函數，e = 2. 71828183, 「 | I I」為求歐式距離符號；⑨-3、採用支持向量回歸對訓練樣本數據集合Qti中的所有的失真的立體圖像的特徵矢量進行訓練，使得經過訓練得到的回歸函數值與平均主觀評分差值之間的誤差最小，擬合得到最優的權重矢量w°pt和最優的偏置項b°pt，將最優的權重矢量w°pt和最優的偏置項 b。pt 的組合記為(w。pt，b。pt)，(wopt,bopt) = argmin么(/(XJ-DMOS；,)2，利用得到的最優的權重矢量w°pt和最優的偏置項b°pt構造支持向量回歸訓練模型，記為 /(X-) = (w-)T_X-) + 6-，其中，Ψ表示對訓練樣本數據集合Qti中的所有的失真的立體圖像的特徵矢量進行訓練的所有的權重矢量和偏置項的組合的集合，ai\mint ]表示最小化概率密度函數，Xinp表示支持向量回歸訓練模型的輸入矢量，(w°pt)T*w°pt的轉置矩陣， 樹X-)表示支持向量回歸訓練模型的輸入矢量)(inp的線性函數；⑨_4、根據支持向量回歸訓練模型，對剩餘η/6幅原始的無失真的立體圖像對應的相同失真類型的所有失真的立體圖像進行測試，預測得到該組子集中的每幅失真的立體圖像的客觀質量評價預測值，對於該組子集中第i幅失真的立體圖像的客觀質量評價預測值， 將其記為
全文摘要
本發明公開了一種立體圖像質量客觀評價方法，首先通過分別提取立體圖像的反映圖像質量的高斯模糊失真程度的特徵矢量、反映圖像質量的白噪聲失真程度的特徵矢量、反映圖像質量的JPEG失真程度的特徵矢量和反映圖像質量的JPEG2000失真程度的特徵矢量，得到立體圖像的特性矢量，並利用支持向量回歸訓練模型對同一失真類型的每幅失真的立體圖像進行測試，得到每幅失真的立體圖像的客觀質量評價預測值，優點在於由於本方法根據不同失真類型對失真的立體圖像的影響，通過提取不同失真類型的特徵信息並形成立體圖像的特徵矢量，因此獲得的立體圖像的特徵矢量信息具有較強的穩定性且能夠較好地反映立體圖像的質量變化情況，提高了客觀評價結果與主觀感知的相關性。
文檔編號H04N13/00GK102547368SQ20111042237
公開日2012年7月4日 申請日期2011年12月16日 優先權日2011年12月16日
發明者李福翠, 蔣剛毅, 邵楓, 鬱梅, 顧珊波 申請人:寧波大學