[发明专利]一种基于加权梯度幅度的双目融合立体图像质量评价方法

说明书

本发明公开了一种基于加权梯度幅度的双目融合立体图像质量评价方法。客观图像质量评价算法根据是否利用原图像参与图像质量评价，可分为全参考、半参考和无参考图像质量评价算法三种。本发明采用的是半参考立体图像客观质量评价算法。与传统的融合左右眼图像生成独眼图算法不同，本发明将经过局部加权后的梯度幅度因子加入双目融合算法中，从而对传统的独眼图构造过程中丢失的结构信息进行一定补偿。本发明在消除对比度变化的同时增强局部图像结构。采用经典的自适应稀疏字典和OMP迭代算法，捕获随着迭代次数增加而增强的边缘和纹理信息，能更好的体现图像的结构信息。

技术领域

本发明涉及图像处理领域，涉及应用局部加权梯度幅度图来模拟视网膜皮层信息，融合左右眼得到独眼图，并用经典字典进行重建进而得到信息熵，是一种立体图像客观质量评价方法的改进优化。

背景技术

视觉是人类感受人体外部器官世界的主要方式，获取高质量的视觉体验是人们自古至今不变的追求。随着近几年科学技术的发展，立体图像质量评价成为现代图像处理技术中的重要研究领域。但是人类视觉系统的复杂性给相关研究带来大量的技术障碍。双目视觉不仅是双眼视觉信息的简单叠加，其形成过程伴随着许多的附加效应。例如不同的失真类型，左右图像失真不对称，结构性失真和非结构性失真等等都会给评价准则带来一定的挑战。同时，立体图像质量评价也分为客观评价方法和主观评价方法，针对主观评价方法费事费力难以操作的缺点，客观评价方法显然具有更好的稳定性和高效性。

发明内容

本发明的目的是针对现有技术的不足，提供一种基于加权梯度幅度的双目融合立体图像质量评价方法。客观图像质量评价算法根据是否利用原图像参与图像质量评价，可分为全参考、半参考和无参考图像质量评价算法三种。本发明采用的是半参考立体图像客观质量评价算法。与传统的融合左右眼图像生成独眼图算法不同，本发明将经过局部加权后的梯度幅度因子加入双目融合算法中，从而对传统的独眼图构造过程中丢失的结构信息进行一定补偿。

本发明解决其技术问题所采用的技术方案包括如下步骤：

步骤1：建立梯度独眼图；

1-1.将经过对比敏感度函数滤波后的立体图像CM_v生成梯度幅度图GM_v，将得到的梯度幅度图GM_v进行局部加权，生成修正加权后的梯度幅度图WGM_v，加权后的梯度幅度图WGM_v计算如下：

其中，e是一个小的正常数，以避免当α(x，y)具有较小值时的数值不稳定；v∈(L，R)，代表左右立体图像；α(x，y)可根据公式得出；其中CG(x，y)可根据公式得出，π_x，y是以(x，y)为中心一个局部窗口；ω(x′，y′)是通过公式满足∑_x′，y′ω(x′，y′)＝1的正对称权重；K(x，y)表示在(x，y)处的高斯核系数，窗口大小为8*8且σ＝0.5；

1-2.将局部加权后的梯度幅度图WGM_v与传统的独眼图计算相融合，得到梯度独眼图，计算方式如下：

其中，C(x，y)代表融合梯度幅度图WGM_v后的梯度独眼图，E是一个和原图像大小相同的全1矩阵；I_L(x，y)为原始左图像，I_R(x，y)为原始右图像；

步骤2：稀疏重构方法；

2-1.训练自适应稀疏字典；

在参考立体图像中随机抽取20张图片，每张图片随机选取其中方差较大的8*8不重叠立体图像块1000个，采用K-SVD算法训练自适应稀疏字典；

2-2.采用典型OMP算法重构图像，得到稀疏系数；

步骤3：基元分类；