[发明专利]一种基于机器学习的立体图像质量客观评价方法

权利要求书

1.一种基于机器学习的立体图像质量客观评价方法，其特征在于，包括如下步骤：

S1：提取立体图像的图像质量客观评价依据的参数；

S2：利用图像库中的标准图像序列提取出的参数进行机器学习；

S3：利用学习结果将立体图像质量评价结果与提取出的参数进行拟合；

S4：将拟合结果运用于待评价图像并与主观评价分数进行对比。

2.如权利要求1所述的基于机器学习的立体图像质量客观评价方法，其特征在于，在步骤S1中，将立体图像从感知图像质量，深度感知，视差，视觉疲劳特性，左右视点图像融合图像质量5个方面提取参数作为客观评价依据。

3.如权利要求2所述的基于机器学习的立体图像质量客观评价方法，其特征在于，将立体图像从感知图像质量方面提取参数的方法为：在传统的PSNR方法基础上，考虑立体视觉感知的方法，在图像频率不同的地方设定不同的权重。

4.如权利要求2所述的基于机器学习的立体图像质量客观评价方法，其特征在于，将立体图像从深度感知方面提取参数的方法为：计算立体图像对的匹配点，并根据绝对视差图的轮廓边缘估算应有的匹配点，根据其比例设定参数。

5.如权利要求2所述的基于机器学习的立体图像质量客观评价方法，其特征在于，将立体图像从视差方面提取参数的方法为：利用立体视觉感知的SSIM理论，使用无参考的结构相似度计算方法计算视差图参数。

6.如权利要求5所述的基于机器学习的立体图像质量客观评价方法，其特征在于，使用基于图像分割和运动检测的双目视频深度计算的方法提取视差图。

7.如权利要求2所述的基于机器学习的立体图像质量客观评价方法，其特征在于，将立体图像从视觉疲劳特性方面提取参数的方法为：根据亮度和视差与视觉疲劳特性的关系，利用亮度梯度和视差梯度计算参数。

8.如权利要求2所述的基于机器学习的立体图像质量客观评价方法，其特征在于，将立体图像从左右视点图像融合图像质量提取参数的方法为：

S11：利用基于图像分割和运动估计的双目图像深度提取方法求取立体图像对的视差图；

S12：以双目图像匹配点信息为基础，设计DIBR参数，得到左右视点融合后的图像，再提取其FPSNR参数。

9.如权利要求1所述的基于机器学习的立体图像质量客观评价方法，其特征在于，步骤S2中利用图像库中的标准图像序列提取出的参数进行机器学习的方法为：利用支持向量机对图像分数和提取出的参数进行学习并对其进行拟合。

10.如权利要求1所述的基于机器学习的立体图像质量客观评价方法，其特征在于，步骤S4中将拟合结果运用于待评价图像并与主观评价分数进行对比的方法为：利用拟合出的线性结果作用于待检测图像，计算起客观评价分数，并与主观评价分数进行对比，并将此结果放入支持向量机中继续学习，更新拟合结果。