專利名稱：基于hvs的立體信息客觀質(zhì)量評價方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理領(lǐng)域，針對立體圖像的客觀質(zhì)量評價系統(tǒng)，尤其涉及ー種基于HVS的立體信息客觀質(zhì)量評價方法。
背景技術(shù)：
目前數(shù)字平面圖像的質(zhì)量評價方法可以分為兩類主觀評價和客觀評價。主觀質(zhì)量評價過程需要挑選大量的觀察者，每個觀察者要對多個測試圖像進行大量反復的試驗，耗時長且費用高，易受被測試者個人心理和生理變化的復雜性和差異性的影響，操作難度較大且無法做到實時性。因此如何建立與主觀評價結(jié)果相吻合的客觀質(zhì)量評價方法成為亟待解決的研究課題。圖像質(zhì)量客觀評價方法是指在沒有人直接參與的情況下，采用系統(tǒng)建模、統(tǒng)計運算等方法，根據(jù)被測圖像與原始圖像間的差異來評判被測圖像的質(zhì)量，完成對圖像質(zhì)量評價的過程。
基于統(tǒng)計學特性的質(zhì)量評價方法主要有均方誤差(MSE, Mean Squared Error)和峰值信噪比(PSNR，Peak signal-Noise Ratio)法。這些方法都是基于圖像的像素特性，物理意義明確，具有簡單、易實現(xiàn)的優(yōu)點，因而在衡量圖像和視頻質(zhì)量時被廣泛應用。從統(tǒng)計意義上來說失真圖像與原始參考圖像之間的統(tǒng)計誤差越小，圖像的逼真度越高，獲得的圖像質(zhì)量也就越高。合理的逼真度評價方法必須與主觀評價結(jié)果相一致，同時又能夠給圖像系統(tǒng)的最佳化設計提供參數(shù)。從物理意義上來說，MSE方法衡量的是失真圖像與原始參考圖像間的差異；而PSNR衡量的是圖像相似度，即失真圖像與原始圖像(通常是無損的原始圖像)之間的相似程度。MSE方法只是單純地從數(shù)學統(tǒng)計的角度出發(fā)，逐點計算兩幅圖像之間的絕對差異，并將圖像之間的差異與可感知的視覺失真相聯(lián)系，同樣的差異值代表著相同的視覺失真。當圖像的各像素點之間獨立不相關(guān)時，這種計算方式是合理的。而事實上，組成圖像的各個像素之間具有很強的關(guān)聯(lián)性，對圖像中的所有像點同樣對待，不能反映人眼的視覺特性。MSE方法的局限性之ー是不能反映人眼的對比敏感度特性，即人眼對在圖像中不同頻率處加入的噪聲敏感程度不同。MSE方法的另外ー個局限性是無法反應人眼的掩蓋特性，即加入的干擾噪聲由于圖像本身的特點，不容易或者完全不能被識別。PSNR方法在平面圖像質(zhì)量評價中經(jīng)常被使用。作為圖像質(zhì)量評價方法，PSNR用來衡量兩幅圖像質(zhì)量的相似程度，失真圖像的PSNR值越高，被認為與原始參考圖像越接近，因此質(zhì)量也就越好。PSNR方法的優(yōu)點是便于計算和理解，能反映圖像質(zhì)量的大致情況。然而，由于PSNR與MSE —祥只考慮了像素點之間的差異，沒有考慮人眼的視覺特性，這種評價方法也是從整體上估算原始圖像和失真圖像之間的差異，無法反映圖像局部區(qū)域差異不同的情況。在某些特殊情況下，增加噪聲后圖像的PSNR值下降，觀察到的圖像質(zhì)量反而有所提聞。

發(fā)明內(nèi)容
本發(fā)明g在克服現(xiàn)有技術(shù)的不足，提供一種對壓縮失真立體圖像質(zhì)量進行評價的方法，與主觀評測結(jié)果有較好的一致性。為達到上述目的，本發(fā)明采取的技術(shù)方案是，基于HVS的立體信息客觀質(zhì)量評價方法，包括下列步驟第一歩，將實驗中用的原始立體彩色圖像轉(zhuǎn)換成灰度圖像，即將圖像從RGB三基色空間轉(zhuǎn)換到視覺傳輸中常用的YUV信號空間，以便于處理；第二步，采用離散Contourlet變換的濾波器組對轉(zhuǎn)換后的灰度圖像進行處理，離散Contourlet變換的濾波器組,是由拉普拉斯金字塔(Laplacian Pyramid, LP)和方向性濾波器組(Directional Filter Bank7DFB)兩部分結(jié)合而成的塔形濾波器組結(jié)構(gòu)，處理時，先由拉普拉斯金字塔分解為低頻子帶和高頻子帶，其中，低頻子帶是由原始圖像經(jīng)過ニ維低通濾波和隔行隔列下采樣產(chǎn)生，低頻子帶經(jīng)過上采樣和低通濾波后形成與原始圖像尺寸相同的低頻分量，原始圖像減去這個低頻分量后形成高頻子?。桓哳l子帶再經(jīng)過方向濾波器組分解為21個方向子帯，i為任意正整數(shù)；對低頻子帶重復上述過程實現(xiàn)圖像的多分辨 多方向分解；第三步離散Contourlet變換的濾波器分解后得到立體圖像對在不同空間頻帶的分解系數(shù)，將不同空間頻帶內(nèi)分解后的系數(shù)進行加權(quán)，加權(quán)值是相應頻帶內(nèi)CSF曲線的平均值；第四步，掩蓋效應通過對空間頻帶內(nèi)經(jīng)過CSF加權(quán)后的數(shù)據(jù)進行增益控制來實現(xiàn)，如公式(5)所示。
權(quán)利要求
1.一種基于HVS的立體信息客觀質(zhì)量評價方法，其特征是，包括下列步驟 第一步，將實驗中用的原始立體彩色圖像轉(zhuǎn)換成灰度圖像，即將圖像從RGB三基色空間轉(zhuǎn)換到視覺傳輸中常用的YUV信號空間，以便于處理； 第二步，采用離散Contourlet變換的濾波器組對轉(zhuǎn)換后的灰度圖像進行處理，離散Contourlet變換的濾波器組,是由拉普拉斯金字塔(Laplacian Pyramid, LP)和方向性濾波器組(Directional Filter Bank, DFB)兩部分結(jié)合而成的塔形濾波器組結(jié)構(gòu),處理時,先由拉普拉斯金字塔分解為低頻子帶和高頻子帶，其中，低頻子帶是由原始圖像經(jīng)過二維低通濾波和隔行隔列下采樣產(chǎn)生，低頻子帶經(jīng)過上采樣和低通濾波后形成與原始圖像尺寸相同的低頻分量，原始圖像減去這個低頻分量后形成高頻子帶；高頻子帶再經(jīng)過方向濾波器組分解為21個方向子帶，i為任意正整數(shù)；對低頻子帶重復上述過程實現(xiàn)圖像的多分辨多方向分解； 第三步離散Contourlet變換的濾波器分解后得到立體圖像對在不同空間頻帶的分解系數(shù)，將不同空間頻帶內(nèi)分解后的系數(shù)進行加權(quán)，加權(quán)值是相應頻帶內(nèi)CSF曲線的平均值； 第四步，掩蓋效應通過對空間頻帶內(nèi)經(jīng)過CSF加權(quán)后的數(shù)據(jù)進行增益控制來實現(xiàn)，如公式(5)所示。
2.如權(quán)利要求I所述的基于HVS的立體信息客觀質(zhì)量評價方法，其特征是，第二步所取的分解尺度參數(shù)為{0，2，2，2}，拉普拉斯金字塔分解和方向性濾波器組濾波均取“pkva”變換，進行拉普拉斯金字塔分解和方向性濾波器組濾波后共得到16個子帶。
3.如權(quán)利要求I所述的基于HVS的立體信息客觀質(zhì)量評價方法，其特征是，第三步離散Contourlet變換的濾波器分解為4級分解，整個頻帶劃分為5個，根據(jù)CSF特性曲線對應取5個加權(quán)值，采用的空間頻率響應曲線CSF表達式，如式(4)所示CSF (f) = 26 (0. 192+0. 114f) exp [- (0. 114f) n] (4) 其中，f是空間頻率。
全文摘要
本發(fā)明屬于圖像處理領(lǐng)域。為提供一種對壓縮失真立體圖像質(zhì)量進行評價的方法，與主觀評測結(jié)果有較好的一致性，本發(fā)明采取的技術(shù)方案是，基于HVS的立體信息客觀質(zhì)量評價方法，包括下列步驟第一步，將實驗中用的原始立體彩色圖像轉(zhuǎn)換成灰度圖像；第二步，采用離散Contourlet變換的濾波器組對轉(zhuǎn)換后的灰度圖像進行處理；第三步離散Contourlet變換的濾波器分解后得到立體圖像對在不同空間頻帶的分解系數(shù)；第四步，掩蓋效應通過對空間頻帶內(nèi)經(jīng)過CSF加權(quán)后的數(shù)據(jù)進行增益控制來實現(xiàn)；第五步，得到經(jīng)過HVS模型后的立體視點對；第六步，采用HPSNR衡量立體圖像的客觀質(zhì)量。本發(fā)明主要應用于圖像傳感器的設計制造。
文檔編號H04N17/00GK102821301SQ20121031936
公開日2012年12月12日 申請日期2012年8月31日 優(yōu)先權(quán)日2012年8月31日
發(fā)明者沈麗麗, 張晶, 侯春萍 申請人:天津大學