，11)表示隊(duì)。1^1?(111，11)}中坐 標(biāo)位置為（M，n)的像素點(diǎn)的像素值；Gk,OTg,UR(m+l，n+l)表示{Gk,OTg,UR(m，n)}中坐標(biāo)位置 為〇11+1，11+1)的像素點(diǎn)的像素值，若111+1>]\1且1彡11+1彡1則令6 1^。1^1?(111+1，11+1)= Gk，org，L，R(M，n+1)，若 1 彡m+1 彡Μ且n+l>N，則令Gk，org，L，R(m+l,n+1) =Gk，org，L，R(m+l,N)，若 111+1>1且11+1汛則令心。1^ 1?(111+1，11+1)=心。1^1^，吣，心。 1^,1^，11+1)、心。1^,1?(111+1，吣 對(duì)應(yīng)表示{Gk,OTg,UR(m，n)}中坐標(biāo)位置為（M，n+1)、（m+l，N)和（M，N)的 像素點(diǎn)的像素值而,。1^,1?(111+1，11-1)表示隊(duì)。 1^1?(111，11)}中坐標(biāo)位置為（111+1，11-1)的像 素點(diǎn)的像素值，若m+l>M且 1 彡η-l彡N，則令GkiM^R(m+l，n-l) =GkiM^R(M，n-l)，若 1 彡m+1 彡Μ且n-l〈l，則令Gk,org,L,R(m+l，n-1) =Gk,org,L,R(m+l，1)，若m+l>M且n-l〈l，貝lj 令Gk,OTg,L,R(m+1，η-1) =Gk,R (Μ, 1)，Gk,R (Μ,η-1)、Gk,R (m+1，1)和Gk,R(M，^^ 應(yīng)表示{Gk,"g,UR(m，n)}中坐標(biāo)位置為（M，n-1)、（m+l，l)和（M，l)的像素點(diǎn)的像素值；上 述，Gk,org,l,r(m，n+l) 一Gk_ org_ L_R (m,N)nGkorgLR (m+1,n) 一Gk, org丄R (Μ,n)、Gk, org,L,R (m+l,n+1) =Gk，org，L，R(M，n+l)、Gk，org，L，R(m+l，n+l) =Gk，org，L，R(m+l，N)、Gk，org，L，R(m+l，n+l)= Gk,org,L,R(M>N)' Gk,org,L,R(m+1>n_1) = Gk, org, L, R (M> Π_ 1) ' Gk, org, L, R 1 > Π_ 1) = Gk, org, L, R 1 > ^ 和Gk,D1^,R(m+l，n-l) =Gk,D1^,R(M，l)中的"="為賦值符號(hào)。
[0043] ①_6、將所有原始的無失真立體圖像的融合視點(diǎn)圖像的去均值歸一化圖像的紋理 信息向量和方向信息向量作為輸入?yún)?shù)，輸入到現(xiàn)有的高斯分布模型中，得到所有原始的 無失真立體圖像對(duì)應(yīng)的無失真高斯分布模型。
[0044] 所述的測試階段過程的具體步驟如下：
[0045] ②-1、對(duì)于任意一幅尺寸大小與步驟①-1中選取的原始的無失真立體圖像的尺 寸大小一致的失真立體圖像，將該失真立體圖像作為待評(píng)價(jià)的失真立體圖像。
[0046] ②_2、采用現(xiàn)有的雙目融合技術(shù)對(duì)待評(píng)價(jià)的失真立體圖像的左視點(diǎn)圖像和右視點(diǎn) 圖像進(jìn)行融合，得到待評(píng)價(jià)的失真立體圖像的融合視點(diǎn)圖像。
[0047] ②_3、對(duì)待評(píng)價(jià)的失真立體圖像的融合視點(diǎn)圖像進(jìn)行去均值歸一化操作，得到待 評(píng)價(jià)的失真立體圖像的融合視點(diǎn)圖像的去均值歸一化圖像。
[0048] 在此具體實(shí)施例中，在步驟②_3中，將待評(píng)價(jià)的失真立體圖像的融合視點(diǎn)圖像的 去均值歸一化圖像記為沁&^"幻:^將沁&^^^^中坐標(biāo)位置為"幻的像素點(diǎn)的 像素值記為Gdis,UR(m，η):
其中，1彡m彡Μ，1彡η彡Ν， Rdl^(m，n)表示待評(píng)價(jià)的失真立體圖像的融合視點(diǎn)圖像{Rdls，UR(m，n)}中坐標(biāo)位置為 (m，n)的像素點(diǎn)的像素值，ydls,L,R表示{Rdls,L,R(m，n)}中的所有像素點(diǎn)的像素值的均值， σd1Slui?表示iRd1Sluif(m，n) }中的所有像素點(diǎn)的像素值的方差。
[0049] ②-4、將待評(píng)價(jià)的失真立體圖像的融合視點(diǎn)圖像的去均值歸一化圖像輸入到現(xiàn)有 的實(shí)證密度函數(shù)中，得到待評(píng)價(jià)的失真立體圖像的融合視點(diǎn)圖像的去均值歸一化圖像的紋 理信息向量。
[0050] ②_5、對(duì)待評(píng)價(jià)的失真立體圖像的融合視點(diǎn)圖像的去均值歸一化圖像進(jìn)行四個(gè)方 向的濾波處理，得到待評(píng)價(jià)的失真立體圖像的融合視點(diǎn)圖像的去均值歸一化圖像的水平方 向信息圖像、垂直方向信息圖像、主對(duì)角線方向信息圖像和副對(duì)角線方向信息圖像；然后將 待評(píng)價(jià)的失真立體圖像的融合視點(diǎn)圖像的去均值歸一化圖像的水平方向信息圖像、垂直方 向信息圖像、主對(duì)角線方向信息圖像和副對(duì)角線方向信息圖像輸入到現(xiàn)有的非對(duì)稱廣義高 斯分布模型中，得到待評(píng)價(jià)的失真立體圖像的融合視點(diǎn)圖像的去均值歸一化圖像的方向信 息向量。
[0051] 在此具體實(shí)施例中，在步驟②_5中，將待評(píng)價(jià)的失真立體圖像的融合視點(diǎn)圖 像的去均值歸一化圖像的水平方向信息圖像、垂直方向信息圖像、主對(duì)角線方向信息 圖像和副對(duì)角線方向信息圖像對(duì)應(yīng)記為{Hdis,UR(m，n)}、{Vdis,UR(m，n)}、{Ddis,UR(m，n)} 和{Afc/ ,將{Hdls,UR(m，η)}中坐標(biāo)位置為（m，η)的像素點(diǎn)的像素值記為 (m，η)，將{Vdls,UR (m,η)}中坐標(biāo)位置為（m,η)的像素點(diǎn)的像素值記為Vdls,UR (m,η)，將 {Ddls,L,R(m，n)}中坐標(biāo)位置為（m，n)的像素點(diǎn)的像素值記為 中坐標(biāo)位置為（m, η)的像素點(diǎn)的像素值記為., Hdis,UR (m, n) = Gdis,UR ( m, n) XGdlSiLjR(m, n+1) , VdlSiLjR(m, n) = GdlSiLjR(m, η) X Gdls_LjR (m+1, n) , DdlSiLjR(m, n)= GdiS,L,R(m, n) XGdis,L,R(m+1, n+1)，氣&,￡,(微"?)'.='(?也1,以/沒，《.).:?^.&&人_8.(微+ 1,:技-1)，.其中， 1彡m彡M，1彡n彡N，Gdis,UR(m，n)表示待評(píng)價(jià)的失真立體圖像的融合視點(diǎn)圖像的去均 值歸一化圖像{GdlSiUR(m，n)}中坐標(biāo)位置為（m，n)的像素點(diǎn)的像素值；GdlSiUR(m，n+l)表 示{Gdl、UR(m，n)}中坐標(biāo)位置為（m，n+l)的像素點(diǎn)的像素值，若n+l>N，則令GdlSAR(m，n+l) =Gdls,L,R(m，N)，Gdls,L,R(m，N)表示{Gdls,L,R(m，n)}中坐標(biāo)位置為（m，N)的像素點(diǎn)的像素值； Gdls,UR(m+l，n)表示{Gdls,UR(m，n)}中坐標(biāo)位置為（m+l，n)的像素點(diǎn)的像素值，若m+l>M，則 令Gdls,UR(m+l，n) =Gdls,UR(M，n)，Gdls,UR(M，n)表示{Gdls,UR(m，n)}中坐標(biāo)位置為（M，n)的像 素點(diǎn)的像素值；GdlSiUR(m+l，n+l)表示{GdlSiUR(m，n)}中坐標(biāo)位置為（m+l，n+l)的像素點(diǎn)的 像素值，若m+l>M且 1 彡n+1 彡N，則令Gdls,L,R (m+1，n+1) =Gdls,L,R (M，n+1)，若 1 彡m+1 彡Μ 且η+1>Ν，則令Gdis,L,R(m+l，η+1) =Gdis,L,R(m+l，Ν)，若m+l>M且η+1>Ν，則令Gdis,L,R(m+l，η+1) =Gdls,L,R(M，N)，Gdls,L,R(M，n+l)、Gdls,L,R(m+l，N)和Gdls,L,R(M，N)對(duì)應(yīng)表示{Gdls,L,R(m，n)} 中坐標(biāo)位置為（M，n+1)、（m+l，N)和（M，N)的像素點(diǎn)的像素值；GdlSiUR(m+l，n-l)表示 {Gdls,L,R(m，n)}中坐標(biāo)位置為（m+l，n-l)的像素點(diǎn)的像素值，若m+l>M且1彡n-1彡N，貝1J 令Gdls丄R(m+1,n-1) =Gdls,L,R(M，n-1)，若 1 彡m+1 彡Μ且n-l〈l，則令Gdls,L,R(m+l，n-1)= Gdls丄R(m+1, 1)，若m+l>M且n-l〈l，則令 Gdls丄R(m+l，n-l) = Gdls丄R(M, 1)，Gdls丄R(M，n-l)、 Gdls,UR(m+l，D和Gdls,UR(M，l)對(duì)應(yīng)表示{Gdls,UR(m，n)}中坐標(biāo)位置為（M，n-1)、（m+l，l) 和（M, 1)的像素點(diǎn)的像素值；上述，Gdis,L,R(m，n+1) =Gdis,L,R(m，N)、Gdis,L,R(m+l，n)= Gdls，L，R(M，n)、Gdls， L，R(m+l，n+l)=Gdls，L，R(M，n+l)、G dls，L，R(m+l，n+l)=Gdls，L， R(m+l，N)、 Gdls，L，R(m+l，n+l) =Gdls丄 R(M，N)、Gdls丄 R(m+l，n-l) =Gdls丄 R(M，n-l)、Gdls丄 R(m+l，n-l)= Gdls,L,R(m+l，l)和Gdls,L,R(m+l，n-l) =Gdls,L,R(M，l)中的"="為賦值符號(hào)。
[0052] ②-6、將待評(píng)價(jià)的失真立體圖像的融合視點(diǎn)圖像的去均值歸一化圖像的紋理信息 向量和方向信息向量作為輸入?yún)?shù)，輸入到現(xiàn)有的高斯分布模型中，得到待評(píng)價(jià)的失真立 體圖像對(duì)應(yīng)的失真高斯分布模型。
[0053] ②-7、采用現(xiàn)有的馬氏距離公式衡量步驟①-6中得到的所有原始的無失真立體 圖像對(duì)應(yīng)的無失真高斯分布模型與步驟②-6中得到的待評(píng)價(jià)的失真立體圖像對(duì)應(yīng)的失真 高斯分布模型之間的誤差，將衡量得到的誤差作為待評(píng)價(jià)的失真立體圖像的圖像質(zhì)量客觀 評(píng)價(jià)預(yù)測值。
[0054] 為驗(yàn)證本發(fā)明方法的可行性和有效性，進(jìn)行實(shí)驗(yàn)。
[0055] 在此，采用LIVE立體圖像庫來分析利用本發(fā)明方法得到的失真立體圖像的圖像 質(zhì)量客觀評(píng)價(jià)預(yù)測值與平均主觀評(píng)分差值之間的相關(guān)性。這里，利用評(píng)估圖像質(zhì)量評(píng)價(jià)方 法的Spearman相關(guān)系數(shù)（Spearmanrankordercorrelationcoefficient，SROCC)作為 評(píng)價(jià)指標(biāo)，SR0CC反映客觀評(píng)價(jià)結(jié)果的單調(diào)性。
[0056] 利用本發(fā)明方法計(jì)算LIVE立體圖像庫中的每幅失真立體圖像的圖像質(zhì)量客觀評(píng) 價(jià)預(yù)測值，再利用現(xiàn)有的主觀評(píng)價(jià)方法獲得LIVE立體圖像庫中的每幅失真立體圖像的平 均主觀評(píng)分差值。將按本發(fā)明方法計(jì)算得到的失真立體圖像的圖像質(zhì)量客觀評(píng)價(jià)預(yù)測值做 五參數(shù)Logistic函數(shù)非線性擬合，SR0CC值越高，說明客觀評(píng)價(jià)方法的客觀評(píng)價(jià)結(jié)果與平 均主觀評(píng)分差值之間的相關(guān)性越好。反映本發(fā)明方法的質(zhì)量評(píng)價(jià)性能的SR0CC相關(guān)系數(shù)如 表1所列。從表1所列的數(shù)據(jù)可知，按本發(fā)明方法得到的失真立體圖像的最終的圖像質(zhì)量 客觀