[发明专利]一种基于人眼感知的质降参考立体图像质量客观评价方法

权利要求书

1.一种基于人眼感知的质降参考立体图像质量客观评价方法，其特征在于它的处理过程为：

获取原始的无失真的立体图像的左视点图像和右视点图像各自的双目融合区域和双目竞争区域，并获取待评价的失真的立体图像的左视点图像和右视点图像各自的双目融合区域和双目竞争区域；

根据原始的无失真的立体图像的左视点图像和右视点图像的双目融合区域，获取原始的无失真的立体图像的独眼图，并根据待评价的失真的立体图像的左视点图像和右视点图像的双目融合区域，获取待评价的失真的立体图像的独眼图；

对原始的无失真的立体图像的独眼图通过多级小波变换后得到的所有系数矩阵进行非重叠分块处理，对得到的每个矩阵块进行奇异值分解，获取每个矩阵块的奇异值对角矩阵对应的奇异值和；并对待评价的失真的立体图像的独眼图通过多级小波变换后得到的所有系数矩阵进行非重叠分块处理，对得到的每个矩阵块进行奇异值分解，获取每个矩阵块的奇异值对角矩阵对应的奇异值和；

根据原始的无失真的立体图像的独眼图和待评价的失真的立体图像的独眼图各自通过多级小波变换后得到的每个系数矩阵中的每个矩阵块对应的奇异值和，获取待评价的失真的立体图像的独眼图相对于原始的无失真的立体图像的独眼图的对应子带的质量因子，然后利用对比敏感度函数加权所有质量因子得到待评价的失真的立体图像的双目融合区域的质量；

对原始的无失真的立体图像的左视点图像和右视点图像及待评价的失真的立体图像的左视点图像和右视点图像各自的双目竞争区域实施多级小波变换，然后对得到的每个系数矩阵中的系数分布进行广义高斯拟合，得到每个系数矩阵的广义高斯拟合模型的尺度参数和形状参数；

根据原始的无失真的立体图像的左视点图像的双目竞争区域和待评价的失真的立体图像的左视点图像的双目竞争区域的对应的两个系数矩阵的广义高斯拟合模型的尺度参数和形状参数，获取待评价的失真的立体图像的左视点图像的双目竞争区域相对于原始的无失真的立体图像的左视点图像的双目竞争区域的对应子带的质量因子，然后利用对比敏感度函数加权所有质量因子得到待评价的失真的立体图像的左视点图像的双目竞争区域的质量；并根据原始的无失真的立体图像的右视点图像的双目竞争区域和待评价的失真的立体图像的右视点图像的双目竞争区域的对应的两个系数矩阵的广义高斯拟合模型的尺度参数和形状参数，获取待评价的失真的立体图像的右视点图像的双目竞争区域相对于原始的无失真的立体图像的右视点图像的双目竞争区域的对应子带的质量因子，然后利用对比敏感度函数加权所有质量因子得到待评价的失真的立体图像的右视点图像的双目竞争区域的质量；再根据待评价的失真的立体图像的左视点图像和右视点图像各自的双目竞争区域的质量，获得待评价的失真的立体图像的的双目竞争区域的质量；

根据待评价的失真的立体图像的双目融合区域的质量和双目竞争区域的质量，获得待评价的失真的立体图像相对于原始的无失真的立体图像的度量分数。