[发明专利]自然性、结构和双目不对称无参考立体图像质量评价方法

摘要

本发明属于立体图像处理领域，为在立体图像自然性、结构特性和双目不对性的基础上，提出一种立体图像质量评价方法，结果优于其他算法，并且与人眼主观评价分数更为接近，说明提出的方法适用于解决无参考的立体图像评价问题。为此，本发明采取的技术方案是，自然性、结构和双目不对称无参考立体图像质量评价方法，步骤如下：1、数据准备；2、自然场景统计特征提取；3、独眼图特征提取；4、不对称失真特征提取；5、图像质量预测。本发明主要应用于立体图像处理场合。

主权项

1.一种自然性、结构和双目不对称无参考立体图像质量评价方法，其特征是，步骤如下：1)数据准备：选用LIVE 3D IQA Phase I和LIVE 3D IQA Phase II两个数据库，涵盖对称失真和非对称失真，取每个库80％的数据作为训练集，20％作为测试集；2)自然场景统计特征提取：在左视图I_L和右视图I_R上，计算它们各自的去均值对比度归一化系数，并用广义高斯分布去拟合该系数的统计分布，将广义高斯分布的参数α和v²表示为特征f₁；在I_L和I_R上反复迭代，以得到在多尺度对比度方差的去均值对比度归一化系数上拟合的广义高斯分布参数，将特征记为f₂；3)独眼图特征提取：通过基于SSIM的算法得到视差值d，联合I_L和I_R以及其2D Gabor滤波器的幅值响应合成独眼图Cyc，用广义高斯分布拟合Cyc的去均值对比度归一化系数，将拟合参数记为特征f₃；计算Cyc的相位图，在相位图上求得灰度共生矩阵，提取其中的能量和同质性特征作为特征f₄；4)不对称失真特征提取：将I_L和I_R作差得到差值图，在差值图上用广义高斯分布去拟合去均值对比度归一化系数，并计算差值图的梯度相似性，将拟合参数和梯度相似性组合为特征f₅；5)图像质量预测：将以上提取的特征融合得到总的特征向量F＝[f₁,f₂,f₃,f₄,f₅]，利用支持向量回归对图像进行训练和预测。