[发明专利]基于网格与韦泊统计特性的无参考立体图像质量评价方法

说明书

技术领域

本发明属于图像处理领域，具体是立体图像质量的客观评价系统，涉及应用网格特征和韦泊统计特性在立体图像上的客观图像评价方法。

背景技术

随着多媒体信息时代的到来，以图像和视频为代表的数字信号正影响并改变着人们的生活和工作方式。成像技术及显示设备的快速发展和立体图像的普及极大地提高了用户的视觉质量体验。但是图像在处理、存储和传输中难免会产生不同程度及不同类型的失真，严重影响了人们对图像的理解，同时也影响图像信息的提取，因此，建立有效的图像质量评价机制至关重要。客观图像质量评价分为全参考图像质量评价(FR-IQA)、部分参考图像质量评价(RR-IQA)和无参考图像质量评价(NR-IQA)，现今的无参考立体图像质量评价中,最直接的方法就是采用平面图像质量评价方法的统计特征分别对左右视点图进行评价,最后取均值预测立体图像的质量,但此类方法并没有考虑到人类复杂的视觉感知机理,因此评价性能较差。合成图[1]融入视觉感知的视差信息，使得立体图像质量客观评价与主观评价一致性更高。因此，本发明提出分别在左右视图、视差图和合成图上提取特征，进行立体图像质量评价。

[1]Chen M J,Su C C,Kwon D K,et al.Full-reference quality assessment of stereopairs accounting for rivalry[J].Signal Processing:Image Communication,2013,28(9):1143-1155.

发明内容

本发明的目的在于针对失真立体图像质量评价问题，提出一种可以获得更好的立体图像质量评价效果的无考立体图像质量评价方法。本发明提出先对左右视图、合成图和视差图作两次降采样，在降采样前和降采样后的各梯度图中使用韦泊分布提取图像的形状参数和尺度参数特征；并提取降采样前和降采样后各图的网格图，在各网格图中提取网格强度和网格规律性特征，最后将所有特征输入SVR中建立模型，以预测包括非对称失真图像的混合失真立体图像质量。进行立体图像质量评价的方法。技术方案如下：

一种基于网格与韦泊统计特性的无参考立体图像质量评价方法，步骤如下：

1).计算失真立体图像对的视差图及进行左视点图和右视点图融合

对失真立体图像，由左视点图和右视点图计算出左视差，用左视点图和左视差相加得视差图，再由左视点图和视差图通过归一化Gabor滤波能量响应得到图像权重，根据图像权重来合成合成图；

2).对失真立体图像对的左视点图、右视点图、合成图和视差图均进行两次降采样；

3).提取左右视图、合成图和视差图以及对其进行一次、两次降采样后各图中的特征

将失真立体图像对的左视点图、右视点图、合成图和视差图及其进行一次降采样和两次降采样后的各图转换到梯度域，再从各个梯度域中提取韦泊分布的形状参数和尺度参数特征，每一幅梯度图的韦泊分布形状和尺度参数可由韦泊分布在此梯度图的概率密度函数得到；从失真立体图像对的左视点图、右视点图、合成图和视差图的各图中提取网格图，再从各个网格图中提取网格强度和网格规律性特征，方法是：从每幅图像的灰度图中分别计算水平边缘和垂直边缘，然后经滤波处理生成水平网格和垂直网格，水平网格和垂直网格相加得到网格图，网格强度是对网格图的不同图像敏感区赋予不同权值并对其进行加权求和得到，网格规律性是通过加权函数对网格图像加权和归一化处理，再计算其付里叶变换域的功率谱得到，共提取特征数为48个；

4).建立回归模型，预测图像质量

将立体失真图像数据库里的图像分为测试集和训练集，将从训练集失真图像中提取到的上述特征与相应主观分数值输入到支持向量回归中构建特征向量与主观评分值之间的映射关系进行训练，获得训练模型，再利用得到的关系回归模型对测试集失真图像的质量进行预测，从而实现图像质量评价。

本发明方法具有以下优点：

(1)本发明方法与主观立体图像质量评价一致性高。优于目前大多数主流算法。

(2)与平面图像质量评价不同，本发明考虑了立体图像特有的视差信息，提出从合成图和视差图中提取特征，实验结果表明本发明能达到很高立体图像质量预测准确性。

附图说明

图1算法流程图

图2左右视图融合过程

具体实施方式