本發明專利技術公開了一種基于梯度結構張量的立體圖像質量客觀評價方法，其首先通過計算立體圖像的左視點圖像中的每個像素點的水平梯度、垂直梯度和視點梯度，計算每個像素點的梯度結構張量，并通過矩陣分解得到每個像素點的梯度結構張量的特征值和特征向量，然后通過區域檢測法將左視點圖像劃分成敏感區域和非敏感區域，最后根據每個像素的區域類型，得到最終的圖像質量客觀評價預測值，優點在于所得到的梯度結構張量的特征值和特性向量具有較強的穩定性且能夠較好地反映立體圖像的質量變化情況，并且只對敏感區域的像素點進行評價，能有效地提高客觀評價結果與主觀感知的相關性。
【技術實現步驟摘要】
本專利技術涉及ー種圖像質量評價方法，尤其是涉及ー種基于梯度結構張量的立體圖像質量客觀評價方法。
技術介紹
隨著圖像編碼技術和立體顯示技術的迅速發展，立體圖像技術受到了越來越廣泛的關注與應用，已成為當前的ー個研究熱點。立體圖像技術利用人眼的雙目視差原理，雙目各自獨立地接收來自同一場景的左右視點圖像，通過大腦融合形成雙目視差，從而欣賞到具有深度感和逼真感的立體圖像。由于受采集系統、存儲壓縮及傳輸設備的影響，立體圖像會不可避免地引入一系列的失真，而與單通道圖像相比，立體圖像需要同時保證兩個通道的圖像質量，因此對立體圖像進行質量評價具有非常重要的意義。然而，目前缺乏有效的客觀評價方法對立體圖像質量進行評價。因此，建立有效的立體圖像質量客觀評價模型具有十分重要的意義。 梯度結構張量是ー種描述圖像中某個局部點的結構信息的分析方法，而結構分析方法已廣泛應用于平面圖像質量評價，如經典的結構相似性準則(Structural SimilarityIndex, SSIM)，然而現有的梯度結構張量主要應用于視頻質量評價，對于基于梯度結構張量的立體圖像質量評價，需要解決以下幾個關鍵問題1)立體感知評價通過視差或深度信息來反映，如何將視差或深度信息嵌入到梯度結構張量中以真實地表征立體感知特性，仍然是立體圖像質量客觀評價中的難點問題之一；2)并不是所有的像素點都具有強烈的結構信息，如何選擇穩定的結構信息應用于質量評價，而又不影響立體感知性能，也是立體圖像質量客觀評價中需要解決的難點問題。
技術實現思路
本專利技術所要解決的技術問題是提供一種能夠有效提高客觀評價結果與主觀感知的相關性的基于梯度結構張量的立體圖像質量客觀評價方法。本專利技術解決上述技術問題所采用的技術方案為ー種基于梯度結構張量的立體圖像質量客觀評價方法，其特征在于包括以下步驟①令Sots為原始的無失真的立體圖像，令Sdis為待評價的失真的立體圖像，將Sots的左視點圖像記為{LOTg(x, y)}，將SOTg的右視點圖像記為{ROTg(x, y)}，將Sdis的左視點圖像記為ILdis(X，y)},將Sdis的右視點圖像記為{Rdis(X，y)}，其中，(x, y)表示左視點圖像和右視點圖像中的像素點的坐標位直，l^x^W, l^y^H, W表不左視點圖像和右視點圖像的寬度，H表不左視點圖像和右視點圖像的聞度，LOTg(x，y)表不{Lorg (x, y)}中坐標位置為(x，y)的像素點的像素值，Rorg(x, y)表示{ROTg(x，y)}中坐標位置為(x, y)的像素點的像素值，Ldis(x，y)表示{Ldis (x, y)}中坐標位置為(x, y)的像素點的像素值，Rdis (x，y)表示{Rdis(x, y)}中坐標位置為(x，y)的像素點的像素值；②計算{LOTg(x，y)}中的每個像素點的水平方向梯度、垂直方向梯度和視點方向梯度，將{LOTg(x，y)}中坐標位置為(x，y)的像素點的水平方向梯度記為ァ)，將{Lorg(x, y)}中坐標位置為(x，y)的像素點的垂直方向梯度記為，將{Lorg(x, y)}中坐標位置為(x，y)的像素點的視點方向梯度記為 計算{Ldis(x，y)}中的每個像素點的水平方向梯度、垂直方向梯度和視點方向梯度，將{Ldis (x，y)}中坐標位置為(x，y)的像素點的水平方向梯度記為gxf (AjO，將ILdis(x，y)}中坐標位置為(x，y)的像素點的垂直方向梯度記為ひ，>，)，將{Ldis(x, y)}中坐標位置為(x，y)的像素點的視點方向梯度記為0，_>，)；③利用區域檢測算法分別獲取{Ldis(x，y)}中的每個像素點的區域類型，記為P，其中，P e {I, 2}, p=l表示敏感區域，p=2表示非敏感區域；④根據{LOTg(x，y)}中的每個像素點的水平方向梯度、垂直方向梯度和視點方向梯度，計算{LOTg(x，y)}中的每個像素點的梯度結構張量，將{LOTg(x，y)}中坐標位置為(X，y)的像素點的梯度結構張量記為ZOTg(x，y)，權利要求1.ー種基于梯度結構張量的立體圖像質量客觀評價方法，其特征在于包括以下步驟 ①令Sots為原始的無失真的立體圖像，令Sdis為待評價的失真的立體圖像，將Sots的左視點圖像記為{LOTg(x, y)}，將SOTg的右視點圖像記為{ROTg(x, y)}，將Sdis的左視點圖像記為{し—(X，y)丨，將Sdis的右視點圖像記為{RdiS (X，y)}，其中，(X，y)表不左視點圖像和右視點圖像中的像素點的坐標位直，l^x^ff, l^y^H, W表不左視點圖像和右視點圖像的寬度，H表不左視點圖像和右視點圖像的聞度，LOTg(x，y)表不{Lorg (x, y)}中坐標位置為(x，y)的像素點的像素值，Rorg(x, y)表示{ROTg(x，y)}中坐標位置為(x，y)的像素點的像素值，Ldis(x, y)表示ILdis(x，y)}中坐標位置為(x，y)的像素點的像素值，Rdis(x, y)表示{Rdis(x, y)}中坐標位置為(x，y)的像素點的像素值； ②計算{LOTg(x，y)}中的每個像素點的水平方向梯度、垂直方向梯度和視點方向梯度，將{LOTg(x，y)}中坐標位置為(x，y)的像素點的水平方向梯度記為g^r(.U)，將{LOTg(x，y)}中坐標位置為(x，y)的像素點的垂直方向梯度記為SFf8(U)，將{LOTg(x，y)}中坐標位置為(X，y)的像素點的視點方向梯度記為gzr(ろ》，)； 計算{Ldis(x，y)}中的每個像素點的水平方向梯度、垂直方向梯度和視點方向梯度，將{Ldis(x, y)}中坐標位置為(x，y)的像素點的水平方向梯度記為gxfs(x,タ)，將{Ldis (x, y)}中坐標位置為(x，y)的像素點的垂直方向梯度記為SFfh，J)，將ILdis(x，y)}中坐標位置為(X，y)的像素點的視點方向梯度記為grf(x，ァ); ③利用區域檢測算法分別獲取ILdis(x，y)}中的每個像素點的區域類型，記為P，其中，P G {I, 2}, p=l表示敏感區域，p=2表示非敏感區域； ④根據ILwgU，y)}中的每個像素點的水平方向梯度、垂直方向梯度和視點方向梯度，計算ILots (X，y)}中的每個像素點的梯度結構張量，將{Lorg(x, y)}中坐標位置為(X，y)的像素點的梯度結構張量記為ZOTg(x，y)，gxT8 O，y)x gxTs (ズ，y) 8)irg (ズ,y) x(x, >’)gz7 (^% >’)x &T (x, >0^org <X y) = SX0Is (x, v) X g}>r (x, y) g)-!tg (X, y) X gy°Lrg (X, y) gz°[g (x, y) x g\^g (x, y)，_gx°i8(ズ，y)Xg=r0，y) gyTg(ズ，>0xg=Tg0，y) gzTg(ズ，y)xg=ry)_根據ILdis (X，y)}中的每個像素點的水平方向梯度、垂直方向梯度和視點方向梯度，計算ILdis (X，y)}中的每個像素點的梯度結構張量，將IL本文檔來自技高網...
【技術保護點】
一種基于梯度結構張量的立體圖像質量客觀評價方法，其特征在于包括以下步驟：①令Sorg為原始的無失真的立體圖像，令Sdis為待評價的失真的立體圖像，將Sorg的左視點圖像記為{Lorg(x,y)}，將Sorg的右視點圖像記為{Rorg(x,y)}，將Sdis的左視點圖像記為{Ldis(x,y)}，將Sdis的右視點圖像記為{Rdis(x,y)}，其中，(x,y)表示左視點圖像和右視點圖像中的像素點的坐標位置，1≤x≤W，1≤y≤H，W表示左視點圖像和右視點圖像的寬度，H表示左視點圖像和右視點圖像的高度，Lorg(x,y)表示{Lorg(x,y)}中坐標位置為(x,y)的像素點的像素值，Rorg(x,y)表示{Rorg(x,y)}中坐標位置為(x,y)的像素點的像素值，Ldis(x,y)表示{Ldis(x,y)}中坐標位置為(x,y)的像素點的像素值，Rdis(x,y)表示{Rdis(x,y)}中坐標位置為(x,y)的像素點的像素值；②計算{Lorg(x,y)}中的每個像素點的水平方向梯度、垂直方向梯度和視點方向梯度，將{Lorg(x,y)}中坐標位置為(x,y)的像素點的水平方向梯度記為將{Lorg(x,y)}中坐標位置為(x,y)的像素點的垂直方向梯度記為將{Lorg(x,y)}中坐標位置為(x,y)的像素點的視點方向梯度記為計算{Ldis(x,y)}中的每個像素點的水平方向梯度、垂直方向梯度和視點方向梯度，將{Ldis(x,y)}中坐標位置為(x,y)的像素點的水平方向梯度記為將{Ldis(x,y)}中坐標位置為(x,y)的像素點的垂直方向梯度記為將{Ldis(x,y)}中坐標位置為(x,y)的像素點的視點方向梯度記為③利用區域檢測算法分別獲取{Ldis(x,y)}中的每個像素點的區域類型，記為p，其中，p∈{1,2}，p=1表示敏感區域，p=2表示非敏感區域；④根據{Lorg(x,y)}中的每個像素點的水平方向梯度、垂直方向梯度和視點方向梯度， 計算{Lorg(x,y)}中的每個像素點的梯度結構張量，將{Lorg(x,y)}中坐標位置為(x,y)的像素點的梯度結構張量記為Zorg(x,y)，Zorg(x,y)=gxLorg(x,y)×gxLorg(x,y)gyLorg(x,y)×gxLorg(x,y)gzLorg(x,y)×gxLorg(x,y)gxLorg(x,y)×gyLorg(x,y)gyLorg(x,y)×gyLorg(x,y)gzLorg(x,y)×gyLorg(x,y)gxLorg(x,y)×gzLorg(x,y)gyLorg(x,y)×gzLorg(x,y)gzLorg(x,y)×gzLorg(x,y),根據{Ldis(x,y)}中的每個像素點的水平方向梯度、垂直方向梯度和視點方向梯度，計算{Ldis(x,y)}中的每個像素點的梯度結構張量，將{Ldis(x,y)}中坐標位置為(x,y)的像素點的梯度結構張量記為Zdis(x,y)，Zdis(x,y)=gxLdis(x,y)×gxLdis(x,y)gyLdis(x,y)×gxLdis(x,y)gzLdis(x,y)×gxLdis(x,y)gxLdis(x,y)×gyLdis(x,y)gyLdis(x,y)×gyLdis(x,y)gzLdis(x,y)×gyLdis(x,y)gxLdis(x,y)×gzLdis(x,y)gyLdis(x,y)×gzLdis(x,y)gzLdis(x,y)×gzLdis(x,y),其中，符號“[]”表示矩陣表示符號；⑤根據{Lorg(x,y)}和{Ldis(x,y)}中的每個像素點的梯度結構張量，計算{Ldis(x,y)}中的每個像素點的客觀評價度量值，將{Ldis(x,y)}中坐標位置為(x,y)的像素點的客觀評價度量值記為QL(x,y)；⑥根據{Ldis(x,y)}中的每個像素點的區域類型，計算Sdis的圖像質量客觀評價預測值，記為Q，其中，表示{Ldis(x,y)}中的區域類型為p=1的像素點的個數，表示{Ldis(x,y)}中的所有區域類型為p=1的像素點構成的區域；⑦采用n幅原始的無失真的立體圖像，建立其在不同失真類型不同失真程度下的失真立體圖像集合，該失真立體圖像集合包括多幅失真的立體圖像，利用主觀質量評...
【技術特征摘要】
【專利技術屬性】
技術研發人員：邵楓，段芬芳，郁梅，蔣剛毅，李福翠，
申請(專利權)人：寧波大學，
類型：發明
國別省市：
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。