[发明专利]基于图谱视觉显著的立体图像质量客观评价方法

权利要求书

1.一种基于图谱视觉显著的立体图像质量客观评价方法，其特征是，步骤如下：

1)采用结构相似度算法SSIM，计算参考右图像和右图像的亮度、对比度和结构的比较函数，将从而得出SSIM的图像质量权值矩阵，再通过最近邻域插值算法将图像质量权值矩阵放大到与原图像大小相同；

2)通过特征图技术方法改进提出的GBVS(Graph-based Visual Saliency)图谱显著计算模型计算失真图像显著特征，再结合人眼中央偏移特性得到优化后的失真图像显著图；

3)将1)中得到的图像质量权值与2)中得到的失真图像显著图加权计算，得到单幅右眼图像的质量评价得分；重复上述过程，计算左眼的图像的客观评价得分，再对左右眼图像的客观评分进行加权处理，得到最终的立体图像质量客观评价得分。

2.如权利要求1所述的基于图谱视觉显著的立体图像质量客观评价方法，其特征是，结构相似度算法具体为，使用M×M(M＝11)、标准差为1.5的高斯滑动窗口分别对原始立体图像对的右视点和失真立体图像对的右视点采样获取子图像块u,v，计算它们的亮度、结构和对比度相似度：

其中：

其中,C₁、C₂、C₃表示非常小的正常量,避免分母为零,且C₁＝(k₁L)²、C₂＝(k₂L)²、C₃＝(C₂/2)²；k₁、k₂分别是[0,1]之间的常量；x_i,y_i分别是图像块X,Y中第i个像素点的值,μ_X,μ_Y分别为图像块X,Y的均值，σ_X,σ_Y分别为图像块X,Y的方差，σ_XY为图像块X,Y的协方差，N是图像块X或Y的像素数量，l(X,Y)，c(X,Y)，s(X,Y)分别为图像块X,Y的亮度、对比度和结构参数矩阵。

3.如权利要求1所述的基于图谱视觉显著的立体图像质量客观评价方法，其特征是，图像块的结构相似度定义为：

SSIM(x,y)＝(l(X,Y))^τ(c(X,Y))^β(s(X,Y))^γ(7)

其中τ,β，γ为调节参数，取τ＝β＝γ＝1，(x,y)为图像的像素点，由式(7)计算滑动窗口内的结构相似度，SSIM(x,y)为滑动窗口从图像左上角至右下角后计算得出的结果，其大小为((W-10)×(H-10))，其中W和H表示图像的水平像素和垂直像素个数，为进而获取失真立体图像对右视点的质量矩阵Q_R(x,y)，采用最近邻域插值算法将SSIM(x,y)放大到与原图像大小相同。

4.如权利要求1所述的基于图谱视觉显著的立体图像质量客观评价方法，其特征是，最近邻域插值算法具体是指，目标像素点处的灰度值是，由该像素点周围距离该像素点最近的像素点的灰度值决定的，而其它所有的像素点对其没有影响；

(i,j)、(i,j+1)、(i+1,j)、(i+1,j+1)分别是进行插值前浮点坐标(i+a,j+b)(i,j分别表示坐标的整数部分，a,b则分别表示坐标的小数部分，且a∈[0,1)，b∈[0,1))，的四个邻域，f(i,j)、f(i,j+1)、f(i+1,j)、f(i+1,j+1)分别是对应像素点的灰度值，A、B、C、D分别表示像素点f(i,j)、f(i,j+1)、f(i+1,j)、f(i+1,j+1)所构成的区域的左上、右上、左下、右下区域，最近邻域差值算法就是确定上述四个点中距离目标像素点(i+a,j+b)最近的点，则其最近点的灰度值就是目标像素点的灰度值，最近邻域算法用以下公式表示：

最后，使用上述的最近邻域插值算法将由SSIM算法得到的失真立体图像对右视点的质量矩阵SSIM(x,y)放大到原图像大小，此时放大后的图像即为右视点的质量矩阵Q_R(x,y)。