【技術實現步驟摘要】
本專利技術涉及一種圖像質量評價方法，尤其是涉及一種基于人眼感知的質降參考立體圖像質量客觀評價方法。
技術介紹
隨著三維圖像和視頻技術的不斷發展，立體圖像的應用已經大量的融入到人類社會生活中，如立體電視、立體電影、裸眼3D等已變得十分普遍。然而，在立體圖像采集、壓縮、編碼、傳輸、顯示等過程中或多或少會引入不同程度和不同類型的失真。因而，對立體圖像的質量評價是不可或缺的，立體圖像質量評價可分為主觀評價和客觀評價兩大類，如何用客觀模型準確評價立體圖像的質量成為了圖像研究領域的一個關鍵問題。目前，對立體圖像質量客觀評價主流方法為全參考的質量客觀評價方法，但全參考的質量客觀評價方法在評價立體圖像質量時，需要在接收端用到原始圖像，因此對傳送信道有更高的要求。一些研究者提出的無參考的質量客觀評價方法雖然不需要額外的信息傳輸，但評價準確性普遍較差。而質降參考的質量客觀評價方法通過提取原始圖像的特征，在接收端評價圖像質量，只需傳輸較少的特征信息，相比全參考的質量客觀評價方法，節省了傳輸圖像信息所需的帶寬，相比無參考的質量客觀評價方法，客觀評價結果與主觀一致性更好。質降參考的質量客觀評價方法在平面圖像和視頻的質量評價中有一定的應用。Wang提出了一種基于小波域的質降參考圖像質量評價模型(Reduced-reference?image?quality?assessment,RR-IQA)，該模型通過統計小波子帶系數的分布密度函數，來提...
【技術保護點】
一種基于人眼感知的質降參考立體圖像質量客觀評價方法，其特征在于它的處理過程為：獲取原始的無失真的立體圖像的左視點圖像和右視點圖像各自的雙目融合區域和雙目競爭區域，并獲取待評價的失真的立體圖像的左視點圖像和右視點圖像各自的雙目融合區域和雙目競爭區域；根據原始的無失真的立體圖像的左視點圖像和右視點圖像的雙目融合區域，獲取原始的無失真的立體圖像的獨眼圖，并根據待評價的失真的立體圖像的左視點圖像和右視點圖像的雙目融合區域，獲取待評價的失真的立體圖像的獨眼圖；對原始的無失真的立體圖像的獨眼圖通過多級小波變換后得到的所有系數矩陣進行非重疊分塊處理，對得到的每個矩陣塊進行奇異值分解，獲取每個矩陣塊的奇異值對角矩陣對應的奇異值和；并對待評價的失真的立體圖像的獨眼圖通過多級小波變換后得到的所有系數矩陣進行非重疊分塊處理，對得到的每個矩陣塊進行奇異值分解，獲取每個矩陣塊的奇異值對角矩陣對應的奇異值和；根據原始的無失真的立體圖像的獨眼圖和待評價的失真的立體圖像的獨眼圖各自通過多級小波變換后得到的每個系數矩陣中的每個矩陣塊對應的奇異值和，獲取待評價的失真的立體圖像的獨眼圖相對于原始的無失真的立體圖像的獨眼圖的...
【技術特征摘要】
1.一種基于人眼感知的質降參考立體圖像質量客觀評價方法，其特征在于它的處
理過程為：
獲取原始的無失真的立體圖像的左視點圖像和右視點圖像各自的雙目融合區域和
雙目競爭區域，并獲取待評價的失真的立體圖像的左視點圖像和右視點圖像各自的雙目
融合區域和雙目競爭區域；
根據原始的無失真的立體圖像的左視點圖像和右視點圖像的雙目融合區域，獲取原
始的無失真的立體圖像的獨眼圖，并根據待評價的失真的立體圖像的左視點圖像和右視
點圖像的雙目融合區域，獲取待評價的失真的立體圖像的獨眼圖；
對原始的無失真的立體圖像的獨眼圖通過多級小波變換后得到的所有系數矩陣進
行非重疊分塊處理，對得到的每個矩陣塊進行奇異值分解，獲取每個矩陣塊的奇異值對
角矩陣對應的奇異值和；并對待評價的失真的立體圖像的獨眼圖通過多級小波變換后得
到的所有系數矩陣進行非重疊分塊處理，對得到的每個矩陣塊進行奇異值分解，獲取每
個矩陣塊的奇異值對角矩陣對應的奇異值和；
根據原始的無失真的立體圖像的獨眼圖和待評價的失真的立體圖像的獨眼圖各自
通過多級小波變換后得到的每個系數矩陣中的每個矩陣塊對應的奇異值和，獲取待評價
的失真的立體圖像的獨眼圖相對于原始的無失真的立體圖像的獨眼圖的對應子帶的質
量因子，然后利用對比敏感度函數加權所有質量因子得到待評價的失真的立體圖像的雙
目融合區域的質量；
對原始的無失真的立體圖像的左視點圖像和右視點圖像及待評價的失真的立體圖
像的左視點圖像和右視點圖像各自的雙目競爭區域實施多級小波變換，然后對得到的每
個系數矩陣中的系數分布進行廣義高斯擬合，得到每個系數矩陣的廣義高斯擬合模型的
尺度參數和形狀參數；
根據原始的無失真的立體圖像的左視點圖像的雙目競爭區域和待評價的失真的立
體圖像的左視點圖像的雙目競爭區域的對應的兩個系數矩陣的廣義高斯擬合模型的尺
度參數和形狀參數，獲取待評價的失真的立體圖像的左視點圖像的雙目競爭區域相對于
原始的無失真的立體圖像的左視點圖像的雙目競爭區域的對應子帶的質量因子，然后利
用對比敏感度函數加權所有質量因子得到待評價的失真的立體圖像的左視點圖像的雙
目競爭區域的質量；并根據原始的無失真的立體圖像的右視點圖像的雙目競爭區域和待
評價的失真的立體圖像的右視點圖像的雙目競爭區域的對應的兩個系數矩陣的廣義高
斯擬合模型的尺度參數和形狀參數，獲取待評價的失真的立體圖像的右視點圖像的雙目
競爭區域相對于原始的無失真的立體圖像的右視點圖像的雙目競爭區域的對應子帶的
\t質量因子，然后利用對比敏感度函數加權所有質量因子得到待評價的失真的立體圖像的
右視點圖像的雙目競爭區域的質量；再根據待評價的失真的立體圖像的左視點圖像和右
視點圖像各自的雙目競爭區域的質量，獲得待評價的失真的立體圖像的的雙目競爭區域
的質量；
根據待評價的失真的立體圖像的雙目融合區域的質量和雙目競爭區域的質量，獲得
待評價的失真的立體圖像相對于原始的無失真的立體圖像的度量分數。
2.根據權利要求1所述的一種基于人眼感知的質降參考立體圖像質量客觀評價方
法，其特征在于該方法具體包括以下步驟：
①令Iorg表示原始的無失真的立體圖像，令Idis表示待評價的失真的立體圖像，將Iorg的左視點圖像記為Lorg，將Iorg的右視點圖像記為Rorg，將Idis的左視點圖像記為Ldis，
將Idis的右視點圖像記為Rdis；
②對Lorg實施雙目立體感知分解，得到Lorg的雙目融合區域和雙目競爭區域，對應
記為和并對Rorg實施雙目立體感知分解，得到Rorg的雙目融合區域和雙目競爭
區域，對應記為和同樣，對Ldis實施雙目立體感知分解，得到Ldis的雙目融合
區域和雙目競爭區域，對應記為和并對Rdis實施雙目立體感知分解，得到Rdis的
雙目融合區域和雙目競爭區域，對應記為和③根據和獲取Iorg的獨眼圖，記為將中坐標位置為(u,v)的像素
點的像素值記為Iorgfus(u,v)=ωorg,L×Lorgfus(u,v)+ωorg,R×Rorgfus((u+d),v);]]>同樣，根
據和獲取Idis的獨眼圖，記為將中坐標位置為(u,v)的像素點的像素
值記為Idisfus(u,v)=ωdis,L×Ldisfus(u,v)+ωdis,R×Rdisfus((u+d′),v);]]>其中，
1≤u≤U,1≤v≤V，U表示和的寬，V表示和的
高，ωorg,L表示的權值，ωorg,R表示的權值，表示中
坐標位置為(u,v)的像素點的像素值，表示中坐標位置為((u+d),v)的
像素點的像素值，d表示相對于的偏移量，ωdis,L表示的權值，ωdis,R表
示的權值，表示中坐標位置為(u,v)的像素點的像素值，
表示中坐標位置為((u+d)，v)的像素點的像素值，d′表示相對于
的偏移量；
④對實施M級小波變換，得到的每個方向的M個子帶和1個直流子帶，將
實施第m級小波變換后得到的第p個方向的第m個子帶的系數矩陣記為將
實施M級小波變換后得到的直流子帶的系數矩陣記為其中，M≥1，1≤p≤3，
p＝1時第p個方向表示水平方向，p＝2時第p個方向表示垂直方向，p＝3時第p個方
向表示對角方向，1≤m≤M；然后將的每個方向的每個子帶的系數矩陣和分
別分割成多個尺寸大小為8×8的互不重疊的矩陣塊，將中的第e個矩陣塊記為
將中的第e'個矩陣塊記為1≤e≤Worgp,m×Horgp,m8×8,]]>e的初始
值為1，表示的列數，表示的行數，1≤e′≤WorgDC×HorgDC8×8,]]>e'的初
始值為1，表示的列數，表示的行數；接著對的每個方向的每
個子帶的系數矩陣中的每個矩陣塊進行奇異值分解，得到的每個方向的每個子帶的
系數矩陣中的每個矩陣塊的奇異值對角矩陣，將的奇異值對角矩陣記為
同樣，對中的每個矩陣塊進行奇異值分解，得到中的每個矩陣
塊的奇異值對角矩陣，將的奇異值對角矩陣記為再計算的每個
方向的每個子帶的系數矩陣中的每個矩陣塊的奇異值對角矩陣對應的奇異值和，將
對應的奇異值和記為SUMorg,efus,p,m=Σi=18Σj=18SVDorg,efus,p,m(i,j),]]>同樣，計
算中的每個矩陣塊的奇異值對角矩陣對應的奇異值和，將對應的奇異值
和記為SUMorg,e′fus,DC=Σi=18Σj=18SVDorg,e′fus,DC(i,j),]]>其中，表示中坐標位置為(i,j)處的奇異值，(i,j)表示中坐標位置為(i,j)處的奇
異值，1≤i≤8，1≤j≤8；
同樣，對實施M級小波變換，得到的每個方向的M個子帶和1個直流子帶，
將實施第m級小波變換后得到的第p個方向的第m個子帶的系數矩陣記為將實施M級小波變換后得到的直流子帶的系數矩陣記為其中，M≥1，
1≤p≤3，p＝1時第p個方向表示水平方向，p＝2時第p個方向表示垂直方向，p＝3時
第p個方向表示對角方向，1≤m≤M；然后將的每個方向的每個子帶的系數矩陣和
分別分割成多個尺寸大小為8×8的互不重疊的矩陣塊，將中的第e個矩陣塊
記為將中的第e'個矩陣塊記為1≤e≤Wdisp,m×Hdisp,m8×8,]]>e的
\t初始值為1，表示的列數，與一致，表示的行數，與一致，1≤e′≤WdisDC×HdisDC8×8,]]>e'的初始值為1，表示的列數，與一致，表示的行數，與一致；接著對的每個方向的每個子帶的
系數矩陣中的每個矩陣塊進行奇異值分解，得到的每個方向的每個子帶的系數矩陣
中的每個矩陣塊的奇異值對角矩陣，將的奇異值對角矩陣記為同
樣，對中的每個矩陣塊進行奇異值分解，得到中的每個矩陣塊的奇異值對角
矩陣，將的奇異值對角矩陣記為再計算的每個方向的每個子帶
的系數矩陣中的每個矩陣塊的奇異值對角矩陣對應的奇異值和，將對應的奇異
值和記為SUMdis,efus,p,m=Σi=18Σj=18SVDdis,efus,p,m(i,j),]]>同樣，計算中的每個矩陣
塊的奇異值對角矩陣對應的奇異值和，將對應的奇異值和記為Mdis,e′fus,DC=Σi=18Σj=18SVDdis,e′fus,DC(i,j),]]>其中，表示中坐標位置為(i,j)
處的奇異值，表示中坐標位置為(i,j)處的奇異值，1≤i≤8，
1≤j≤8；
⑤計算的每個方向的每個子帶的系數矩陣中的每個矩陣塊與的每個方向的
每個子帶的系數矩陣中的每個矩陣塊之間的奇異值特征距離，將與
之間的奇異值特征距離記為δefus,p,m,δefus,p,m=|SUMorg,efus,p,m-SUMdis,efus,p,m|,]]>其中，
符號“||”為取絕對值符號；同樣，計算中的每個矩陣塊與中的每個矩陣塊之
間的奇異值特征距離，將與之間的奇異值特征距離記為δe′fus,DC=|SUMorg,e′fus,DC-SUMdis,e′fus,DC|,]]>其中，符號“||”為取絕對值符號；
然后計算相對于的同方向的對應子帶的質量因子，將的第p個方向的第
m個子帶相對于的第p個方向的第m個子帶的質量因子記為FUSp,m，
FUSp,m=Σe=1Wdisp,m×Hdisp,m8×8|δefus,p,m-midδfus,p,m|Wdisp,m×Hdisp,m8×8,]]>其中，midδfus,p,m表示中的所有矩陣塊與
中對應矩陣塊之間的奇異值特征距離的中值；同樣，計算的直流子帶相對于
的直流子帶的質量因子，記為FUSDC，FUSDC=Σe=1WdisDC×HdisDC8×8|δefus,DC-midδfus,DC|WdisDC×HdisDC8×8,]]>其中，
midδfus,DC表示中的所有矩陣塊與中對應矩陣塊之間的奇異值特征距離的中
值；
接著利用對比敏感度函數對相對于的同方向的對應子帶的質量因子及的直流子帶相對于的直流子帶的質量因子進行加權，得到Idis的雙目融合區域的質
量，記為Qcyc，Qcyc=FUSDC×wDC+Σp=13Σm=1MFUSp,m×wp,mwDC+Σp=13Σm=1Mwp,m,]]>其中，wp,m表示和的
第p個方向的第m個子帶的對比靈敏度函數系數，
ap,m表示第
p個方向的第m個子帶的頻帶區間的下限，bp,m表示第p個方向的第m個子帶的頻帶區
間的上限，當1≤m<M時，當m＝M時，ap,m＝0，wDC表示和的直流子帶的對比靈敏度函數系數，wDC＝1；
⑥對實施M級小波變換，得到的每個方向的M個子帶和1個直流子帶，將
實施第m級小波變換后得到的第p個方向的第m個子帶的系數矩陣記為將
實施M級小波變換后得到的直流子帶的系數矩陣記為其中，M≥1，1≤p≤3，
p＝1時第p個方向表示水平方向，p＝2時第p個方向表示垂直方向，p＝3時第p個方
向表示對角方向，1≤m≤M；然后對的每個方向的每個子帶的系數矩陣中的系數分
布進行廣義高斯擬合，得到的每個方向的每個子帶的系數矩陣的廣義高斯擬合模型
的尺度參數和形狀參數，將的廣義高斯擬合模型描述為
P(xorg,Lriv,p,m)=βorg,Lriv,p,m2αorg,Lriv,p,m×τ(1/βorg,Lriv,p,m)exp(-(|xorg,Lriv,p,m|αorg,Lriv,p,m)βorg,Lriv,p,m),]]>同樣，對中的系數分布進
行廣義高斯擬合，得到的廣義高斯擬合模型的尺度參數和形狀參數，將的廣
\t義高斯擬合模型描述為P(xorg,Lriv,DC)=βorg,Lriv,DC2αorg,Lriv,DC×τ(1/βorg,Lriv,DC)exp(-(|xorg,Lriv,DC|αorg,Lriv,DC)βorg,Lriv,DC),]]>其中，
為的廣義高斯擬合模型的尺度參數，為的廣義高斯擬合模型的
形狀參數，為的廣義高斯擬合模型的尺度參數，為的廣義高斯
擬合模型的形狀參數，表示的廣義高斯擬合模型的輸出，表示
的廣義高斯擬合模型的輸入，表示的廣義高斯擬合模型的輸出，
表示的廣義高斯擬合模型的輸入，τ()表示Gamma函數，符號“||”為取絕
對值符號；
同樣，對實施M級小波變換，得到的每個方向的M個子帶和1個直流子帶，
將實施第m級小波變換后得到的第p個方向的第m個子帶的系數矩陣記為將實施M級小波變換后得到的直流子帶的系數矩陣記為其中，M≥1，
1≤p≤3，p＝1時第p個方向表示水平方向，p＝2時第p個方向表示垂直方向，p＝3時
第p個方向表示對角方向，1≤m≤M；然后對的每個方向的每個子帶的系數矩陣中
的系數分布進行廣義高斯擬合，得到的每個方向的每個子帶的系數矩陣的廣義高斯
擬合模型的尺度參數和形狀參數，將的廣義高斯擬合模型描述為
P(xorg,Rriv,p,m)=βorg,Rriv,p,m2αorg,Rriv,p,m×τ(1/βorg,Rriv,p,m)exp(-(|xorg,Rriv,p,m|αorg,Rriv,p,m)βorg,Rriv,p,m),]]>同樣，對中的系數分布進
行廣義高斯擬合，得到的廣義高斯擬合模型的尺度參數和形狀參數，將的
廣義高斯擬合模型描述為P(xorg,Rriv,DC)=βorg,Rriv,DC2αorg,Rriv,DC×τ(1/βorg,Rriv,DC)exp(-(|xorg,Rriv,DC|αorg,Rriv,DC)βorg,Rriv,DC),]]>其中，
為的廣義高斯擬合模型的尺度參數，為的廣義高斯擬合模型
的形狀參數，為的廣義高斯擬合模型的尺度參數，為的廣義高
斯擬合模型的形狀參數，表示的廣義高斯擬合模型的輸出，表示
的廣義高斯擬合模型的輸入，表示的廣義高斯擬合模型的輸出，
表示的廣義高斯擬合模型的輸入，τ()表示Gamma函數，符號“||”為取絕
對值符號；
同樣，對實施M級小波變換，得到的每個方向的M個子帶和1個直流子帶，
將實施第m級小波變換后得到的第p個方向的第m個子帶的系數矩陣記為將實施M級小波變...
【專利技術屬性】
技術研發人員：郁梅，鄭凱輝，宋洋，劉姍姍，靳鑫，
申請(專利權)人：寧波大學，
類型：發明
國別省市：浙江;33
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。