[发明专利]视觉多通道模型在立体视频质量客观评价中的应用方法

权利要求书

1.一种视觉多通道模型在立体视频质量客观评价中的应用方法，其特征是，利用haar小波建模视觉多通道模型，首先将关键帧的绝对差值图进行三级小波变换，分解成不同的方向和频率成分来模拟人眼多通道特性；然后应用SSIM对变换所得的不同分量进行评价从而得到相应的的客观质量，然后利用小波逆变换得到每一关键帧的单一质量；最后应用关键帧的权重加权关键帧的质量从而得到完整的立体视频质量。

2.如权利要求1所述的视觉多通道模型在立体视频质量客观评价中的应用方法，其特征是，使用自适应权重法提取关键帧，具体是是将立体视频中所有帧的权重看作是一个“基因序列”，然后通过变异、选择等过程优化这组“基因序列”，最终得到一组能够使得立体视频主客观质量一致性高的权重组合。

3.如权利要求1所述的视觉多通道模型在立体视频质量客观评价中的应用方法，其特征是，应用绝对差值图来表示立体信息，绝对差值图由式(1)计算得到:

I_abs(x,y)＝|I_left(x,y)-I_right(x,y)| (1)

式(1)中I_left(x,y)，I_right(x,y)分别为立体图像左右视点位置(x,y)的像素值，I_abs(x,y)为所求的相应位置处的绝对差值。

4.如权利要求1所述的视觉多通道模型在立体视频质量客观评价中的应用方法，其特征是，haar小波对提取出的关键帧的绝对差值图进行三级小波变换，经过三级小波变换后，共得到1个低频近似分量系数矩阵cA(p)和9个高频系数矩阵，分别为垂直方向高频细节分量矩阵cV_λ(p)，水平方向高频细节分量矩阵cH_λ(p)和对角方向高频细节分量矩阵cD_λ(p)，其中λ为小波分解级数，λ＝{1,2,3}。

5.如权利要求1所述的视觉多通道模型在立体视频质量客观评价中的应用方法，应用关键帧的权重加权关键帧的质量是用对比度敏感度函数对小波分解后得到的各个高频系数矩阵进行加权，从而模拟人眼视觉系统在识别静态图像时的多通道特性，具体做法如下：首先计算各高频系数矩阵空间频率：

对于水平方向高频细节系数矩阵cH_λ(p)，因为其描述的是图像在水平方向的细节变化，所以在计算空间频率的过程中，只需要计算水平方向的频率，如式(8)所示，同理垂直方向高频细节系数矩阵cV_λ(p)，因为其描述的是图像在垂直方向的细节变化，所以只需要计算垂直方向的频率，如式(9)所示；对于对角方向的系数矩阵cD_λ(p)，因为其反映的是45°和135°两个方向上的边缘细节信息，因此需要按照式(10)计算空间频率：

fHλ=fRλ=1MNΣi=1MΣj=2N[cHλ(i,j)-cHλ(i,j-1)]2---(8)]]>

fVλ=fCλ=1MNΣi=2MΣj=1N[cVλ(i,j)-cVλ(i-1,j)]2---(9)]]>

fDλ=(fRλ)2+(fCλ)2=1MNΣi=2MΣj=2N[cDλ(i,j)-cDλ(i-1,j-1)]2+1MNΣi=2MΣj=2N[cDλ(i,j-1)-cDλ(i-1,j)]2---(10)]]>

其中，M为系数矩阵行数，N为系数矩阵列数，λ为小波分解级数，λ＝{1,2,3}，(i,j)为所得系数矩阵第i行、第j列元素值，是水平方向空间频率；是垂直方向空间频率；是图像的空间频率；

然后将各个高频系数矩阵的空间频率与观看角度η的商μ作为对比度敏感度函数CSF(f)的输入，计算各通道对比度敏感度权重ω；

ω＝CSF(μ) (11)

最后使用各通道对比度敏感度权重ω对高频系数矩阵进行加权重构，计算重构后图像P，如式(12)所示，其中分别代表第λ层小波分解后水平、垂直和对角方向权重系数，cA(p)表示低频近似分量系数矩阵，cH_λ(p)、cV_λ(p)、cD_λ(p)分别代表水平、垂直和对角方向高频细节分量系数矩阵，iWavelet代表小波逆变换，

P=iWavelet(cA(p),ωHλ×cHλ(p),ωVλ×cVλ(p),ωDλ×cDλ(p)),λ=1,2,3---(12)]]>

重构后的图像即为人眼实际感知到的图像，使用重构后的图像计算失真度。