[发明专利]一种基于视觉感知的立体图像质量客观评价方法

摘要

本发明公开了一种基于视觉感知的立体图像质量客观评价方法，首先将立体图像划分为强边缘块、弱边缘块、平坦块及纹理块，并通过计算提取出不同区域块的反映图像质量和深度感知的特性信息，得到立体图像特性矢量；然后通过支持向量回归对失真立体图像集合中相同失真类型的失真立体图像的特征矢量进行训练，并利用支持向量回归训练模型对同一失真类型的每幅失真立体图像进行测试，得到每幅失真立体图像的客观图像质量评价预测值，优点在于获得的反映图像质量和深度感知的特征矢量信息具有较强的稳定性且能够较好地反映立体图像的质量变化情况，提高了客观评价结果与主观感知的相关性。

主权项

一种基于视觉感知的立体图像质量客观评价方法，其特征在于包括以下步骤：①令Sorg为原始的无失真的立体图像，令Sdis为待评价的失真的立体图像，将Sorg的左视点图像记为{Lorg(x，y)}，将Sorg的右视点图像记为{Rorg(x，y)}，将Sdis的左视点图像记为{Ldis(x，y)}，将Sdis的右视点图像记为{Rdis(x，y)}，其中，(x，y)表示左视点图像和右视点图像中像素点的坐标位置，1≤x≤W，1≤y≤H，W表示左视点图像和右视点图像的宽度，H表示左视点图像和右视点图像的高度，Lorg(x，y)表示Sorg的左视点图像{Lorg(x，y)}中坐标位置为(x，y)的像素点的像素值，Rorg(x，y)表示Sorg的右视点图像{Rorg(x，y)}中坐标位置为(x，y)的像素点的像素值，Ldis(x，y)表示Sdis的左视点图像{Ldis(x，y)}中坐标位置为(x，y)的像素点的像素值，Rdis(x，y)表示Sdis的右视点图像{Rdis(x，y)}中坐标位置为(x，y)的像素点的像素值；②利用人类视觉对背景光照和纹理的视觉掩蔽效应，分别提取出无失真的左视点图像{Lorg(x，y)}和无失真的右视点图像{Rorg(x，y)}的最小可察觉失真图像，将无失真的左视点图像{Lorg(x，y)}的最小可察觉失真图像记为{JL(x，y)}，将无失真的右视点图像{Rorg(x，y)}的最小可察觉失真图像记为{JR(x，y)}，其中，JL(x，y)表示{JL(x，y)}中坐标位置为(x，y)的像素点的像素值，JR(x，y)表示{JR(x，y)}中坐标位置为(x，y)的像素点的像素值；③通过区域检测算法分别获得无失真的左视点图像{Lorg(x，y)}和失真的左视点图像{Ldis(x，y)}、无失真的右视点图像{Rorg(x，y)}和失真的右视点图像{Rdis(x，y)}中的每个8×8子块的块类型，记为p，其中，p∈{1，2，3，4}，p＝1表示强边缘块，p＝2表示弱边缘块，p＝3表示平滑块，p＝4表示纹理块；④根据无失真的左视点图像{Lorg(x，y)}的最小可察觉失真图像{JL(x，y)}和无失真的右视点图像{Rorg(x，y)}的最小可察觉失真图像{JR(x，y)}，通过计算失真的左视点图像{Ldis(x，y)}中各种块类型的8×8子块的用于反映图像质量的空间噪声强度和用于反映图像质量的空间结构强度，及失真的右视点图像{Rdis(x，y)}中各种块类型的8×8子块的用于反映图像质量的空间噪声强度和用于反映图像质量的空间结构强度，分别得到失真的左视点图像{Ldis(x，y)}的用于反映图像质量的特征矢量和失真的右视点图像{Rdis(x，y)}的用于反映图像质量的特征矢量，再对失真的左视点图像{Ldis(x，y)}和失真的右视点图像{Rdis(x，y)}的用于反映图像质量的特征矢量进行线性加权，得到Sdis的用于反映图像质量的特征矢量，记为Fq；⑤根据无失真的左视点图像{Lorg(x，y)}的最小可察觉失真图像{JL(x，y)}和无失真的右视点图像{Rorg(x，y)}的最小可察觉失真图像{JR(x，y)}，通过计算失真的左视点图像{Ldis(x，y)}和失真的右视点图像{Rdis(x，y)}的绝对差值图像中各种块类型的8×8子块的用于反映深度感知的空间噪声强度和用于反映深度感知的空间结构强度，得到Sdis的用于反映深度感知的特征矢量，记为Fs；⑥将Sdis的用于反映图像质量的特征矢量Fq和用于反映深度感知的特征矢量Fs组成新的特征矢量，作为Sdis的特征矢量，记为X，X＝[Fq，Fs]，“[]”为矢量表示符号，[Fq，Fs]表示将特征矢量Fq和特征矢量Fs连接起来形成一个新的特征矢量；⑦采用n幅无失真的立体图像，建立其在不同失真类型不同失真程度下的失真立体图像集合，该失真立体图像集合包括多幅失真的立体图像，利用主观质量评价方法分别获取失真立体图像集合中每幅失真的立体图像的平均主观评分差值，记为DMOS，DMOS＝100‑MOS，其中，MOS表示主观评分均值，DMOS∈[0，100]，n≥1；⑧采用与计算Sdis的特征矢量X相同的方法，分别计算失真立体图像集合中每幅失真的立体图像的特征矢量，对于失真立体图像集合中第i幅失真的立体图像的特征矢量，将其记为Xi，其中，1≤i≤n′，n′表示失真立体图像集合中包含的失真的立体图像的幅数；⑨采用支持向量回归对失真立体图像集合中相同失真类型的所有的失真的立体图像的特征矢量进行训练，并利用训练得到的支持向量回归训练模型对同一失真类型的每幅失真的立体图像进行测试，计算得到失真立体图像集合中相同失真类型的每幅失真的立体图像的客观质量评价预测值，对于失真立体图像集合中第i幅失真的立体图像的客观质量评价预测值，将其记为Qi，Qi＝f(Xi)，f()为函数表示形式，Qi＝f(Xi)表示Qi为Xi的函数，其中，1≤i≤n′，n′表示失真立体图像集合中包含的失真的立体图像的幅数。