[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

说明书

技术领域

本发明属于图像处理领域，涉及图像质量评价方法改进优化，尤其是涉及一种基于图谱显著性的立体图像质量客观评价方法。

背景技术

20世纪以来，立体成像技术(3D Technology)在科技领域和生活娱乐等领域的应用越来越广泛，越来越多的将更多的精力投入在3D影像技术的研究。但是立体图像在采集、压缩、储存、传输和显示的过程中，可能由于种种原因产生各种失真，严重影像人们观看立体影像时的感受。立体图像质量作为立体图像的固有属性是评判立体图像失真的一个重要指标。虽然主观质量评价方法的准确性较高，但是具有费时费力且成本较高的缺陷，因此建立一个能够准确高效模拟人眼主观评价结果的立体图像质量客观评价算法具有重要的意义。

经过多年的研究，国内外研究者已提出了许多立体图像质量客观评价算法。最初，将均方误差(Mean Squared Error,MSE)、峰值信噪比(Peak Signal Noise Ratio,PSNR)、结构相似度(Structural Similarity,SSIM)[1]等一些经典的平面图像质量评价算法直接应用于立体图像的左右视点，通过加权左右图像质量得到立体图像质量客观评价值[2]。You[3]等人将其中的一些2D图像质量评价方法应用到立体图像当中，并对其性能进行了相应的分析比较。

目前，研究者已将一些容易建模的人眼视觉特性例如亮度幅度非线性特性、多通道特性、对比度敏感度特性和掩盖效应等，用于立体图像质量客观评价算法中。而且，随着各研究领域对人类视觉系统的认识逐渐加深，客观评价模型中融入更加复杂和高级的人眼视觉特性成为了必然的发展方向。视觉显著性作为一种人类视觉系统高级特性，是指人眼对图像不同区域分配的注意力强度不同。显著区域是人眼比较容易关注的区域，所以观看失真立体图像时，显著区域出现的失真对人眼的视觉感受影响更大。视觉显著图为立体图像质量客观评价提供了重要依据，目前，利用视觉显著性进行立体图像质量评价的文献主要有[4-7]，文献[4]主要利用单视点图和视差图生成另一个视点，然后结合立体显著性和结构相似度(SSIM)算法[1]对所生成视图进行质量评价。文献[5]结合相位一致性特征和显著特征分别获取立体图像左右视点的特征图，使用局部匹配函数加权两个特征图的差异以评估左右视点间的相关性，进行立体图像质量经验值评价。文献[6]使用结构相似度(SSIM)算法得到原始与失真立体图像的结构相似度图，将其与立体显著图融合得到立体图像质量评价指标。文献[7]利用原始和失真左右视图的显著图分别对原始和失真左右视图加权，确定原始、失真立体图像左右视图的选择性显著图；然后采用结构相似度(SSIM)算法得到左右视图的显著结构相似度图，通过为边缘区域、平滑区域和纹理区域分配不同的权值来获取单视图的客观评价值；最后，加权平均左右视图的客观评价值得到立体图像质量客观评价值。

一般来说，由于人类视觉系统对图像的观察是自下而上的，不能同时将整幅图的内容同时观察到，而是只关注图像中最引人注意的地方。因此，结合显著性能够有效的对立体图像质量进行客观评价。

发明内容

为克服现有技术的不足，本发明旨在实现客观评价的结果与主观评测的一致性更高，同时在一定程度上推动立体成像技术的发展。本发明采用的技术方案是，基于图谱视觉显著的立体图像质量客观评价方法，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。

结构相似度算法

结构相似度算法具体为，使用M×M、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X,Y，计算它们的亮度、结构和对比度相似度：

其中：