[发明专利]一种基于数字水印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数字水印的立体图像质量客观评价方法，其在发送端提取无失真立体图像的左、右视点图像的DCT域中的特征，并将对特征进行量化编码后得到的数字水印嵌入DCT域中；在接收端提取失真立体图像的左、右视点图像的DCT域中的特征，检测失真立体图像中嵌入的数字水印并进行解码和反量化，根据提取的特征和解码反量化得到的特征获取失真立体图像的立体感知值和视点质量分数，最后利用已训练的支持向量回归模型获取测试的失真立体图像的客观质量评价预测值；本方法将从无失真立体图像中提取出的特征以水印的形式嵌入到立体图像中，信道在传输立体图像的同时也传输了特征，因此能够很好地预测人眼对立体图像的主观感知，符合人眼视觉特性。

主权项

1.一种基于数字水印的立体图像质量客观评价方法，其特征在于包括以下步骤：①-1、在发送端，令S_org表示原始的无失真的立体图像，将S_org的左视点图像记为L_org，将S_org的右视点图像记为R_org；将L_org和R_org分别分割成个互不重叠的尺寸大小为8×8的图像块，其中，此处M为L_org和R_org的宽度，N为L_org和R_org的高度；①-2、对L_org和R_org中的每个图像块进行离散余弦变换，得到L_org和R_org中的每个图像块的DCT系数矩阵；①-3、分别对L_org和R_org中的所有图像块的DCT系数矩阵中的所有DCT系数进行系数重组，得到L_org和R_org各自对应的10个各不相同的重组系数矩阵，将L_org对应的第n'个重组系数矩阵记为将R_org对应的第n'个重组系数矩阵记为其中，L_org中的所有图像块的DCT系数矩阵中相同坐标位置处的DCT系数位于同一个重组系数矩阵中，R_org中的所有图像块的DCT系数矩阵中相同坐标位置处的DCT系数位于同一个重组系数矩阵中，1≤n'≤10；①-4、计算L_org对应的每个重组系数矩阵与R_org对应的每个重组系数矩阵的差值绝对值矩阵，将L_org对应的第n'个重组系数矩阵与R_org对应的第n'个重组系数矩阵的差值绝对值矩阵记为将中的第l个DCT系数记为然后计算L_org对应的每个重组系数矩阵与R_org对应的每个重组系数矩阵的差值绝对值矩阵的均值和标准差，将的均值和标准差分别记为和μrn′=1Ln′Σl=1Ln′Dorgn′(l),]]>σrn′=1Ln′-1Σl=1Ln′(Dorgn′(l)-μrn′)2;]]>其中，表示中的第l个DCT系数，表示中的第l个DCT系数，符号“||”为取绝对值符号，1≤l≤L_n'，在此L_n'表示或中DCT系数的总个数；①-5、利用Watson敏感度算子分别对L_org和R_org中的每个图像块的DCT系数矩阵中的所有DCT系数进行滤波处理，得到L_org和R_org中的每个图像块的滤波后DCT系数矩阵；①-6、采用与步骤①-3相同的系数重组方式，分别对L_org和R_org中的所有图像块的滤波后DCT系数矩阵中的所有滤波后DCT系数进行系数重组，得到L_org和R_org各自对应的10个各不相同的滤波后重组系数矩阵，将L_org对应的第n'个滤波后重组系数矩阵记为将R_org对应的第n'个滤波后重组系数矩阵记为其中，L_org中的所有图像块的滤波后DCT系数矩阵中相同坐标位置的滤波后DCT系数位于同一个滤波后重组系数矩阵中，R_org中的所有图像块的滤波后DCT系数矩阵中相同坐标位置的滤波后DCT系数位于同一个滤波后重组系数矩阵中，1≤n'≤10；①-7、根据L_org或R_org各自对应的10个滤波后重组系数矩阵中的所有滤波后DCT系数，计算第一敏感度阈值，记为T1，其中，α为敏感度阈值调节因子，1≤k≤10，1≤l≤L_k，此处L_k表示L_org或R_org各自对应的10个滤波后重组系数矩阵中的第k个滤波后重组系数矩阵中滤波后DCT系数的总个数，表示L_org或R_org各自对应的10个滤波后重组系数矩阵中的第k个滤波后重组系数矩阵中的第l个滤波后DCT系数，符号“||”为取绝对值符号；①-8、将L_org和R_org各自对应的每个滤波后重组系数矩阵中值大于第一敏感度阈值T1的滤波后DCT系数确定为视觉敏感度系数，然后计算L_org和R_org各自对应的每个滤波后重组系数矩阵中视觉敏感度系数所占的比重，将L_org对应的第n'个滤波后重组系数矩阵中视觉敏感度系数所占的比重记为将R_org对应的第n'个滤波后重组系数矩阵中视觉敏感度系数所占的比重记为其中，表示L_org对应的第n'个滤波后重组系数矩阵中视觉敏感度系数的个数，RL(n')表示L_org对应的第n'个滤波后重组系数矩阵中滤波后DCT系数的总个数，表示R_org对应的第n'个滤波后重组系数矩阵中视觉敏感度系数的个数，R^R(n')表示R_org对应的第n'个滤波后重组系数矩阵中滤波后DCT系数的总个数；①-9、将L_org对应的每个重组系数矩阵与R_org对应的每个重组系数矩阵的差值绝对值矩阵的均值和标准差，经量化编码后作为第一数字水印信息；将L_org对应的每个滤波后重组系数矩阵中视觉敏感度系数所占的比重，经量化编码后作为第二数字水印信息；将R_org对应的每个滤波后重组系数矩阵中视觉敏感度系数所占的比重，经量化编码后作为第三数字水印信息；然后利用抖动调制数字水印嵌入方法，将第一数字水印信息分别嵌入L_org对应的第4个重组系数矩阵和R_org对应的第4个重组系数矩阵将第二数字水印信息分别嵌入L_org对应的第5个重组系数矩阵和R_org对应的第5个重组系数矩阵将第三数字水印信息分别嵌入L_org对应的第6个重组系数矩阵和R_org对应的第6个重组系数矩阵得到含数字水印的立体图像；①-10、发送端将含数字水印的立体图像发送给接收端；②-1、在接收端，令S_dis表示接收到的待评价的失真的含数字水印的立体图像，将S_dis的左视点图像记为L_dis，将S_dis的右视点图像记为R_dis；将L_dis和R_dis分别分割成个互不重叠的尺寸大小为8×8的图像块，其中，此处M为L_dis和R_dis的宽度，N为L_dis和R_dis的高度；②-2、对L_dis和R_dis中的每个图像块进行离散余弦变换，得到L_dis和R_dis中的每个图像块的DCT系数矩阵；②-3、分别对L_dis和R_dis中的所有图像块的DCT系数矩阵中的所有DCT系数进行系数重组，得到L_dis和R_dis各自对应的10个各不相同的重组系数矩阵，将L_dis对应的第n'个重组系数矩阵记为将R_dis对应的第n'个重组系数矩阵记为其中，L_dis中的所有图像块的DCT系数矩阵中相同坐标位置处的DCT系数位于同一个重组系数矩阵中，R_dis中的所有图像块的DCT系数矩阵中相同坐标位置处的DCT系数位于同一个重组系数矩阵中，1≤n'≤10；②-4、计算L_dis对应的每个重组系数矩阵与R_dis对应的每个重组系数矩阵的差值绝对值矩阵，将L_dis对应的第n'个重组系数矩阵与R_dis对应的第n'个重组系数矩阵的差值绝对值矩阵记为将中的第l个DCT系数记为然后计算Ldis的每个重组系数矩阵与R_dis的每个重组系数矩阵的差值绝对值矩阵的均值和标准差，将的均值和标准差分别记为和μdn′=1Ln′Σl=1Ln′Ddisn′(l),]]>σdn′=1Ln′-1Σl=1Ln′(Ddisn′(l)-μdn′)2;]]>其中，表示中的第l个DCT系数，表示中的第l个DCT系数，符号“||”为取绝对值符号，1≤l≤L_n'，在此L_n'表示或中DCT系数的总个数；②-5、利用Watson敏感度算子分别对L_dis和R_dis中的每个图像块的DCT系数矩阵中的所有DCT系数进行滤波处理，得到L_dis和R_dis中的每个图像块的滤波后DCT系数矩阵；②-6、采用与步骤②-3相同的系数重组方式，分别对L_dis和R_dis中的所有图像块的滤波后DCT系数矩阵中的所有滤波后DCT系数进行系数重组，得到L_dis和R_dis各自对应的10个各不相同的滤波后重组系数矩阵，将L_dis对应的第n'个滤波后重组系数矩阵记为将R_dis对应的第n'个滤波后重组系数矩阵记为其中，L_dis中的所有图像块的滤波后DCT系数矩阵中相同坐标位置的滤波后DCT系数位于同一个滤波后重组系数矩阵中，R_dis中的所有图像块的滤波后DCT系数矩阵中相同坐标位置的滤波后DCT系数位于同一个滤波后重组系数矩阵中，1≤n'≤10；②-7、根据L_dis或R_dis各自对应的10个滤波后重组系数矩阵中的所有滤波后DCT系数，计算第二敏感度阈值，记为T2，其中，α为敏感度阈值调节因子，1≤k≤10，1≤l≤L_k，此处L_k表示L_dis或R_dis各自对应的10个滤波后重组系数矩阵中的第k个滤波后重组系数矩阵中滤波后DCT系数的总个数，表示L_dis或R_dis各自对应的10个滤波后重组系数矩阵中的第k个滤波后重组系数矩阵中的第l个滤波后DCT系数，符号“”为取绝对值符号；②-8、将L_dis和R_dis各自对应的每个滤波后重组系数矩阵中值大于第二敏感度阈值T2的滤波后DCT系数确定为视觉敏感度系数，然后计算L_dis和R_dis各自对应的每个滤波后重组系数矩阵中视觉敏感度系数所占的比重，将L_dis对应的第n'个滤波后重组系数矩阵中视觉敏感度系数所占的比重记为将R_dis对应的第n'个滤波后重组系数矩阵中视觉敏感度系数所占的比重记为其中，表示L_dis对应的第n'个滤波后重组系数矩阵中视觉敏感度系数的个数，D^L(n')表示L_dis对应的第n'个滤波后重组系数矩阵中滤波后DCT系数的总个数，表示R_dis对应的第n'个滤波后重组系数矩阵中视觉敏感度系数的个数，D^R(n')表示R_dis对应的第n'个滤波后重组系数矩阵中滤波后DCT系数的总个数；②-9、检测嵌入到S_dis中的第一数字水印信息，然后对检测到的第一数字水印信息进行解码和反量化，解码反量化得到发送端嵌入的L_org对应的每个重组系数矩阵与R_org对应的每个重组系数矩阵的差值绝对值矩阵的均值和标准差，接着采用Canberra距离对S_dis进行纹理相似度度量，得到S_dis的立体感知值，记为Q_disp，Qdisp=Σn′=110wn′(|μrn′+μdn′|+|σrn′-σdn′|)Σn′=110wn′(μrn′+μdn′+σrn′+σdn′),]]>其中，和分别表示发送端嵌入的L_org对应的第n'个重组系数矩阵与R_org对应的第n'个重组系数矩阵的差值绝对值矩阵的均值和标准差，w_n'表示权值，符号“||”为取绝对值符号；检测嵌入到L_dis中的第二数字水印信息，然后对检测到的第二数字水印信息进行解码和反量化，解码反量化得到发送端嵌入的L_org对应的每个滤波后重组系数矩阵中视觉敏感度系数所占的比重，接着计算左视点质量分数，记为其中，Q₀为动态调节因子，表示发送端嵌入的L_org对应的第n'个滤波后重组系数矩阵中视觉敏感度系数所占的比重，符号“||”为取绝对值符号；检测嵌入到R_dis中的第三数字水印信息，然后对检测到的第三数字水印信息进行解码，解码反量化得到发送端嵌入的R_org对应的每个滤波后重组系数矩阵中视觉敏感度系数所占的比重，接着计算右视点质量分数，记为其中，表示发送端嵌入的R_org对应的第n'个滤波后重组系数矩阵中视觉敏感度系数所占的比重；②-10、根据和计算S_dis的视点质量分数，记为Q_view，②-11、采用n''幅原始的无失真的立体图像，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立体图像，利用主观质量评价方法分别评价出该失真立体图像集合中的每幅失真立体图像的主观评分，将该失真立体视频集合中的第j幅失真立体图像的主观评分记为DMOS_j，其中，n''>1，0≤DMOS_j≤100；然后按照步骤①-1至步骤②-10计算Q_disp和Q_view的操作，以相同的方式计算该失真立体图像集合中的每幅失真立体图像的立体感知值和视点质量分数，将该失真立体图像集合中的第j幅失真立体图像的立体感知值记为Q_disp(j)，将该失真立体图像集合中的第j幅失真立体图像的视点质量分数记为Q_view(j)，其中，1≤j≤N'，N'表示该失真立体图像集合中包含的失真立体图像的幅数；再由该失真立体图像集合中的每幅失真立体图像的立体感知值和视点质量分数构成该失真立体图像集合中的每幅失真立体图像的质量分数，将该失真立体视频集合中的第j幅失真立体图像的质量分数记为x_j，x_j=[Q_disp(j),Q_view(j)]，其中，此处[Q_disp(j),Q_view(j)]表示该失真立体图像集合中的第j幅失真立体图像的立体感知值和视点质量分数组成的向量矩阵；②-12、将该失真立体图像集合中的所有失真立体图像分成训练集和测试集，然后利用支持向量回归对训练集中的所有失真立体图像的质量分数和主观评分进行训练，使得经过训练得到的回归函数值与主观评分之间的误差最小，拟合得到最优的权值矢量W^opt和最优的偏置项b^opt，接着利用W^opt和b^opt构造得到支持向量回归训练模型，再根据支持向量回归训练模型，对测试集中的每幅失真立体图像的质量分数进行测试，预测得到测试集中的每幅失真立体图像的客观质量评价预测值，将测试集中的第k'幅失真立体图像的客观质量评价预测值记为Q_k'，Q_k'=f(x_k')，其中，1≤k'≤t'，t'表示测试集中包含的失真立体图像的幅数，f()为函数表示形式，x_k′=[Q_disp(k′),Q_view(k′)]，x_k'表示测试集中的第k'幅失真立体图像的质量分数，Q_k'是测试集中的第k'幅失真立体图像的质量分数x_k'的函数，(W^opt)^T为W^opt的转置矢量，为x_k'的线性函数。