[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，其首先通过计算立体图像的左右视点图像中的每个像素点的局部相位特征和局部振幅特征以获得每个像素点的客观评价度量值，并通过区域检测方法将立体图像划分为遮挡区域、双目抑制区域、双目融合区域，然后对各个区域分别进行评价并对各评价结果进行融合得到最终的图像质量客观评价预测值，优点在于获得的反映局部相位和局部振幅特征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，提出遮挡区域、双目抑制区域和双目融合区域的图像质量评价方法能够很好地反映人类视觉系统的视觉感知特性，有效地提高客观评价结果与主观感知的相关性。

主权项

1.一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S_org为原始的无失真的立体图像，令S_dis为待评价的失真的立体图像，将S_org的左视点图像记为{L_org(x,y)}，将S_org的右视点图像记为{R_org(x,y)}，将S_dis的左视点图像记为{L_dis(x,y)}，将S_dis的右视点图像记为{R_dis(x,y)}，其中，(x,y)表示左视点图像和右视点图像中的像素点的坐标位置，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，L_org(x,y)表示{L_org(x,y)}中坐标位置为(x,y)的像素点的像素值，R_org(x,y)表示{R_org(x,y)}中坐标位置为(x,y)的像素点的像素值，L_dis(x,y)表示{L_dis(x,y)}中坐标位置为(x,y)的像素点的像素值，R_dis(x,y)表示{R_dis(x,y)}中坐标位置为(x,y)的像素点的像素值；②利用人类立体视觉感知对背景光照和对比度的视觉掩蔽效应，分别提取出{L_dis(x,y)}的双目最小可察觉变化图像和{R_dis(x,y)}的双目最小可察觉变化图像，分别记为和其中，表示{L_dis(x,y)}的双目最小可察觉变化图像中坐标位置为(x,y)的像素点的像素值，表示{R_dis(x,y)}的双目最小可察觉变化图像中坐标位置为(x,y)的像素点的像素值；③利用区域检测算法，分别获取{L_dis(x,y)}和{R_dis(x,y)}中的每个像素点的区域类型，记为p，其中，p∈{1,2,3}，p=1表示遮挡区域，p=2表示双目抑制区域，p=3表示双目融合区域；然后将{L_dis(x,y)}中的所有区域类型为p=1的像素点构成的遮挡区域记为将{L_dis(x,y)}中的所有区域类型为p=2的像素点构成的双目抑制区域记为将{L_dis(x,y)}中的所有区域类型为p=3的像素点构成的双目融合区域记为将{R_dis(x,y)}中的所有区域类型为p=1的像素点构成的遮挡区域记为将{R_dis(x,y)}中的所有区域类型为p=2的像素点构成的双目抑制区域记为将{R_dis(x,y)}中的所有区域类型为p=3的像素点构成的双目融合区域记为④分别计算{L_org(x,y)}、{R_org(x,y)}、{L_dis(x,y)}和{R_dis(x,y)}中的每个像素点的局部相位特征和局部振幅特征，将{L_org(x,y)}中的所有像素点的局部相位特征和局部振幅特征分别用集合表示为和将{R_org(x,y)}中的所有像素点的局部相位特征和局部振幅特征分别用集合表示为和将{L_dis(x,y)}中的所有像素点的局部相位特征和局部振幅特征分别用集合表示为和将{R_dis(x,y)}中的所有像素点的局部相位特征和局部振幅特征分别用集合表示为和其中，表示{L_org(x,y)}中坐标位置为(x,y)的像素点的局部相位特征，表示{L_org(x,y)}中坐标位置为(x,y)的像素点的局部振幅特征，表示{R_org(x,y)}中坐标位置为(x,y)的像素点的局部相位特征，表示{R_org(x,y)}中坐标位置为(x,y)的像素点的局部振幅特征，表示{L_dis(x,y)}中坐标位置为(x,y)的像素点的局部相位特征，表示{L_dis(x,y)}中坐标位置为(x,y)的像素点的局部振幅特征，表示{R_dis(x,y)}中坐标位置为(x,y)的像素点的局部相位特征，表示{R_dis(x,y)}中坐标位置为(x,y)的像素点的局部振幅特征；⑤根据{L_org(x,y)}和{L_dis(x,y)}中的每个像素点的局部相位特征和局部振幅特征，计算{L_dis(x,y)}中的每个像素点的客观评价度量值，将{L_dis(x,y)}中的所有像素点的客观评价度量值用集合表示为{Q_L(x,y)}，QL(x,y)=wLP×SLLP(x,y)+wLA×SLLA(x,y)+b,]]>根据{R_org(x,y)}和{R_dis(x,y)}中的每个像素点的局部相位特征和局部振幅特征，计算{R_dis(x,y)}中的每个像素点的客观评价度量值，将{R_dis(x,y)}中的所有像素点的客观评价度量值用集合表示为{Q_R(x,y)}，QR(x,y)=wLP×SRLP(x,y)+wLA×SRLA(x,y)+b,]]>其中，Q_L(x,y)表示{L_dis(x,y)}中坐标位置为(x,y)的像素点的客观评价度量值，SLLP(x,y)=2×LPLorg(x,y)×LPLdis(x,y)+T1LPLorg(x,y)2+LPLdis(x,y)2+T1,]]>SLLA(x,y)=2×LALorg(x,y)×LALdis(x,y)+T2LALorg(x,y)2+LALdis(x,y)2+T2,]]>Q_R(x,y)表示{R_dis(x,y)}中坐标位置为(x,y)的像素点的客观评价度量值，SRLP(x,y)=2×LPRorg(x,y)×LPRdis(x,y)+T1LPRorg(x,y)2+LPRdis(x,y)2+T1,]]>SRLA(x,y)=2×LARorg(x,y)×LARdis(x,y)+T2LARorg(x,y)2+LARdis(x,y)2+T2,]]>w_LP、w_LA和b为训练参数，T₁和T₂为控制参数；⑥根据{L_dis(x,y)}和{R_dis(x,y)}中的每个像素点的区域类型，并利用人类视觉系统对遮挡区域的视觉感知特性，计算S_dis中的遮挡区域的客观评价度量值，记为Q_nc，Qnc=Σ(x,y)∈ΩLncQL(x,y)+Σ(x,y)∈ΩRncQR(x,y)NLnc+NRnc,]]>其中，表示{L_dis(x,y)}中区域类型为p=1的像素点的个数，表示{R_dis(x,y)}中区域类型为p=1的像素点的个数；⑦根据{L_dis(x,y)}和{R_dis(x,y)}中的每个像素点的区域类型，并利用人类视觉系统对双目抑制区域的视觉感知特性，计算S_dis中的双目抑制区域的客观评价度量值，记为Q_bs，Qbs=max(QLbs,QRbs),]]>其中，max()为取最大值函数，QLbs=Σ(x,y)∈ΩLbsQL(x,y)×(1/JLdis(x,y))Σ(x,y)∈ΩLbs(1/JLdis(x,y)),]]>QRbs=Σ(x,y)∈ΩRbsQR(x,y)×(1/JRdis(x,y))Σ(x,y)∈ΩRbs(1/JRdis(x,y));]]>⑧根据{L_dis(x,y)}和{R_dis(x,y)}中的每个像素点的区域类型，并利用人类视觉系统对双目融合区域的视觉感知特性，计算S_dis中的双目融合区域的客观评价度量值，记为Q_bf，Qbf=0.7×(QLbf+QRbf),]]>其中，QLbf=Σ(x,y)∈ΩLbfQL(x,y)×(1/JLdis(x,y))Σ(x,y)∈ΩLbf(1/JLdis(x,y)),]]>QRbf=Σ(x,y)∈ΩRbfQR(x,y)×(1/JRdis(x,y))Σ(x,y)∈ΩRbf(1/JRdis(x,y));]]>⑨对S_dis中的遮挡区域的客观评价度量值Q_nc、S_dis中的双目抑制区域的客观评价度量值Q_bs和S_dis中的双目融合区域的客观评价度量值_Qbf进行融合，得到S_dis的图像质量客观评价预测值，记为Q，Q=w_nc×Q_nc+w_bs×Q_bs+w_bf×Q_bf，其中，w_nc、w_bf和w_bs为加权参数。