[发明专利]基于统计特征视角合成质量预测方法、信息数据处理终端

说明书

本发明属于图像质量评价技术领域，公开了一种基于统计特征视角合成质量预测方法、信息数据处理终端，首先，基于高质量的深度图像的细节信息应该被纹理图像的细节信息所包含的事实，为了表征纹理图像和深度图像的相互作用对视角合成质量的影响，提出了基于物体边缘区域的小波域高频系数的融合方法；然后，用纹理图像的低频系数和融合后的高频系数进行图像重构得到融合后的图像；最后，分别从融合图像的自然场景区域和相互作用区域分别提取统计特征来预测视角合成图像的质量。本发明不需要实际的视角合成的过程，利用合成前的纹理图像和深度图像即可实现对视角合成图像的质量预测。

技术领域

本发明属于图像质量评价技术领域，尤其涉及一种基于统计特征视角合成质量预测方法、信息数据处理终端。

背景技术

目前，最接近的现有技术：随着视觉媒体的发展，多视角和自由视角合成技术已经成为可视媒体的重要前沿性研究领域，具有非常广阔的应用前景。通常，多视角和自由视角视频的实现需要大量的视角图像，然而由于传输带宽和拍摄成本的限制，往往利用虚拟视角合成技术借助较少的已知视角来合成新的视角图像。其中，基于深度图的绘制方法(Depth Image Based Rendering,DIBR) 是目前视角合成的最常用的方法。该方法是通过利用已有视角的纹理图像和对应的深度图像来合成新的视角图像。然而，由于获取到的纹理图像或者深度图像的质量有限，利用现有的DIBR技术合成的新视角图像通常会出现两个方面的失真。一方面，纹理图像的失真直接作用于视角合成图像。另一方面，深度图像在指导视角合成时，与纹理图像相互作用而产生的失真。然而，现有的图像质量评价方法往往仅针对纹理图像进行设计，因此不能很好地描述深度图像在视角合成过程中对合成视角质量的影响。此外，视角合成的过程往往代价较高，因此如果能在合成之前就预测出合成后图像的质量，对指导视角合成来说具有非常重要的意义。

现有的针对视角合成图像的质量评价方法主要分为主观评价方法和客观评价方法。主观评价方法在评价结果上最为准确，但是费时费力，很难在实际中采用。因此，设计一种准确的客观质量评价方法具有重要的意义。目前，针对视角合成图像的质量评价算法有很多：Bosc等人在SSIM算法的基础上提出了一种改进型质量评价方法；在质量评价时对原始视角的纹理图像和合成图像中对应的边缘区域利用SSIM评价，最后将SSIM均值最为最终的质量分数；Conze 等人首先利用SSIM算法计算合成后的图像与合成前的纹理图像之间的失真图，然后分别计算纹理复杂度、梯度方向和对比度的加权图，并利用加权图对失真图进行加权，最终得到质量分数。Battisti等人首先对参考图像和合成图像进行分块处理，运用运动估计算法进行匹配。然后，对匹配后的图像块进行小波变换并计算系数直方图。最后，利用Kolmogorov-Smirnov距离计算得到质量分数。 Gu等人首先计算出视角合成图像的自回归图像，然后根据合成图像和自回归图像的差异来提取几何失真区域。再根据阈值将两幅图像的差值图像变换为二值图像。最后由二值图像和预测出来的自然图像之间的相似性数值作为合成图像的质量分数。这些方法虽然在评价视角合成图像质量取得了不错的效果，但是存在如下不足：(1)现有方法主要是针对视角合成后的图像设计的，而视角合成过程比较复杂，需要消耗较高的时间代价。(2)现有的方法忽略了深度图像在指导视角合成过程中的作用，不能全面的描述纹理图像和深度图像的相互作用对视角合成质量的影响。

综上所述，现有技术存在的问题是：

(1)现有方法主要是针对视角合成后的图像设计的，而视角合成过程比较复杂，需要消耗较高的时间代价。

(2)现有的方法忽略了深度图像在指导视角合成过程中的作用，不能全面的描述纹理图像和深度图像的相互作用对视角合成质量的影响。

解决上述技术问题的难度：上述技术问题的主要难点在于探究在视角合成过程中，纹理图像和深度图像之间的关系，以及如何量化由于纹理图像和深度图像的失真对合成后图像质量的影响，从而在不进行实际视角合成的前提下，预测出视角合成图像的质量。