評價預測值與平均主觀評分差值之間的相關性是很好的，表明客觀評價結果與人眼主 觀感知的結果較為一致，足以說明本發(fā)明方法的可行性和有效性。
[0057] 表1利用本發(fā)明方法得到的失真立體圖像的圖像質量客觀評價預測值與平均主 觀評分差值之間的相關性
[0058]
【主權項】
1. 一種基于立體視覺感知的全盲立體圖像質量客觀評價方法，其特征在于包括訓練階 段和測試階段兩個過程，所述的訓練階段過程的具體步驟如下： ①-1、選取K幅原始的無失真立體圖像，其中，K多1，原始的無失真立體圖像的寬度為 M，原始的無失真立體圖像的高度為N ; ①-2、采用雙目融合技術對每幅原始的無失真立體圖像的左視點圖像和右視點圖像進 行融合，得到每幅原始的無失真立體圖像的融合視點圖像； ①-3、對每幅原始的無失真立體圖像的融合視點圖像進行去均值歸一化操作，得到每 幅原始的無失真立體圖像的融合視點圖像的去均值歸一化圖像； ①-4、將每幅原始的無失真立體圖像的融合視點圖像的去均值歸一化圖像輸入到實證 密度函數(shù)中，得到每幅原始的無失真立體圖像的融合視點圖像的去均值歸一化圖像的紋理 信息向量； ①-5、對每幅原始的無失真立體圖像的融合視點圖像的去均值歸一化圖像進行四個方 向的濾波處理，得到每幅原始的無失真立體圖像的融合視點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、主對角線方向信息圖像和副對角線方向信息圖像；然 后將每幅原始的無失真立體圖像的融合視點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、主對角線方向信息圖像和副對角線方向信息圖像輸入到非對稱廣 義高斯分布模型中，得到每幅原始的無失真立體圖像的融合視點圖像的去均值歸一化圖像 的方向信息向量； ① -6、將所有原始的無失真立體圖像的融合視點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)，輸入到高斯分布模型中，得到所有原始的無失真立體 圖像對應的無失真高斯分布模型； 所述的測試階段過程的具體步驟如下： ② -1、對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價的失真立體圖像； ②-2、采用雙目融合技術對待評價的失真立體圖像的左視點圖像和右視點圖像進行融 合，得到待評價的失真立體圖像的融合視點圖像； ②-3、對待評價的失真立體圖像的融合視點圖像進行去均值歸一化操作，得到待評價 的失真立體圖像的融合視點圖像的去均值歸一化圖像； ②-4、將待評價的失真立體圖像的融合視點圖像的去均值歸一化圖像輸入到實證密 度函數(shù)中，得到待評價的失真立體圖像的融合視點圖像的去均值歸一化圖像的紋理信息向 量； ②-5、對待評價的失真立體圖像的融合視點圖像的去均值歸一化圖像進行四個方向的 濾波處理，得到待評價的失真立體圖像的融合視點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、主對角線方向信息圖像和副對角線方向信息圖像；然后將待評 價的失真立體圖像的融合視點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、主對角線方向信息圖像和副對角線方向信息圖像輸入到非對稱廣義高斯分布模型 中，得到待評價的失真立體圖像的融合視點圖像的去均值歸一化圖像的方向信息向量； ②-6、將待評價的失真立體圖像的融合視點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)，輸入到高斯分布模型中，得到待評價的失真立體圖像對應 的失真高斯分布模型； ②-7、采用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應的 無失真高斯分布模型與步驟②-6中得到的待評價的失真立體圖像對應的失真高斯分布模 型之間的誤差，將衡量得到的誤差作為待評價的失真立體圖像的圖像質量客觀評價預測 值。2. 根據(jù)權利要求1所述的一種基于立體視覺感知的全盲立體圖像質量客觀評價方 法，其特征在于所述的步驟①-3中，將第k幅原始的無失真立體圖像的融合視點圖像的 去均值歸一化圖像記為{Gk,OTg,UR(m，n)}，將{G k,OTg,UR(m，n)}中坐標位置為（m，n)的像素 點的像素值記為，.其中，1 < K，表示第k幅原始的無失真立體圖像的融合視點圖像 中坐標位置為（m，n)的像素點的像素值，yk,OTg,UR表示lRk, OTg,uR(m，n)}中 的所有像素點的像素值的均值，表示{RklOTglUR(m，n)}中的所有像素點的像素值的 方差。3. 根據(jù)權利要求1或2所述的一種基于立體視覺感知的全盲立體圖像質量客 觀評價方法，其特征在于所述的步驟①-5中，將第k幅原始的無失真立體圖像的融 合視點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、主對角線 方向信息圖像和副對角線方向信息圖像對應記為和中坐標位置為（m, η)的像素 點的像素值記為Hk, OTg, u R (m, η)，將{Vk, OTg, u R (m, η)}中坐標位置為（m, η)的像素點的 像素值記為Vk, OTg, u R (m, η)，將{Dk, OTg, u R (m, η)}中坐標位置為（m, η)的像素點的像素 值記為中坐標位置為（m, η)的像素點的像素值記 ]Κ η < N，GkiOTgiUR(m，η)表示第k幅原始的無失真立體圖像的融合視點圖像的去均值歸 一化圖像{Gtc^UR(m，n)}中坐標位置為（m，n)的像素點的像素值；表示中坐標位置為（m，n+l)的像素點的像素值，若n+l>N，則令G k,OTg,UR(m，n+l) = Gk,OTg,UR(m，N)，Gk,OTg, UR(m，N)表示{Gk,OTg,UR(m，n)}中坐標位置為（m，N)的像素點的像 素值；Gk^UR(m+l，n)表示{Gk^UR(m，n)}中坐標位置為（m+l，n)的像素點的像素值， 若 m+l>M，則令表示{Gk,OTg, L,R(m，η)}中坐 標位置為（Μ,η)的像素點的像素值；Gk,OTg,UR(m+l，n+l)表示{G k,OTg,UR(m，n)}中坐標位置 為〇11+1，11+1)的像素點的像素值，若111+1>]\1且1彡11+1彡1則令61^。1^ 1?(111+1，11+1)= Gk，org，L，R(M, n+1)，若 1 彡 m+1 彡 Μ 且 n+l>N，則令若m+l>M 且 n+l>N，則令對應表示{Gk,OTg,UR(m，n)}中坐標位置為（M，n+1)、（m+l，N)和（M，N)的 像素點的像素值而,。1^,1?(111+1，11-1)表示隊。1^ 1?(111，11)}中坐標位置為（111+1，11-1)的像 素點的像素值，若 m+l>M且 1 彡 n-1 彡 N，則令 GkiM^R(m+l，n-l) = GkiM^R(M，n-l)，若和 Gk,D1^,R(m+l，n-l) =Gk,D1^,R(M，l)中的"="為賦值符號。4. 根據(jù)權利要求1所述的一種基于立體視覺感知的全盲立體圖像質量客觀評價方法， 其特征在于所述的步驟②-3中，將待評價的失真立體圖像的融合視點圖像的去均值歸一 化圖像記為{GdiSiUR(m，n)}，將{GdiSiUR(m，n)}中坐標位置為（m，n)的像素點的像素值記為表示待評價的失真立體圖像的融合視點圖像{RdlSiUR(m，η)}中坐標位置為（m，η)的像素 點的像素值，ydlSiUR表示{RnR(m，n)}中的所有像素點的像素值的均值， 〇dls，UR表示 iRdiSlui!(m，η)}中的所有像素點的像素值的方差。5. 根據(jù)權利要求1或4所述的一種基于立體視覺感知的全盲立體圖像質量客觀評價 方法，其特征在于所述的步驟②-5中，將待評價的失真立體圖像的融合視點圖像的去均值 歸一化圖像的水平方向信息圖像、垂直方向信息圖像、主對角線方向信息圖像和副對角線 方向信息圖像對應記為，將 iHdls,L,R(m，n)}中坐標位置為（m，n)的像素點的像素值記為H dls,L,R(m，n)，將{Vdls,L, R(m，n)} 中坐標位置為（m，n)的像素點的像素值記為Vdis,UR(m，n)，將{Ddis, UR(m，n)}中坐標位 置為（m, η)的像素點的像素值記為中坐標位置為（m, η) 的像素點的像素值記為表示待評價的失真立體圖像的融合視點圖像的去均值歸一化圖像{GdlSiUR(m，η)}中坐 標位置為（m, η)的像素點的像素值中坐標位置為 (m，η+1)的像素點的像素值，若η+1>Ν，則令表示 {Gdls,L,R(m，n)}中坐標位置為（m，N)的像素點的像素值；G dls,L,R(m+l，n)表示{Gdls,L, R(m，n)} 中坐標位置為（m+l，n)的像素點的像素值，若m+l>M，則令Gdls,uR(M，n)表示{Gdls^R(m，n)}中坐標位置為（M，n)的像素點的像素值；G dls^R(m+l，n+l) 表示{Gdls,UR(m，η)}中坐標位置為（m+1，η+1)的像素點的像素值，若m+l>M且1彡η+1彡N，(M，N)的像素點的像素值；Gdls丄R(m+l，n-l)表示{Gdls丄 R(m，n)}中坐標位置為（m+l，n-l) 的像素點的像素值，若 m+l>M且 1 彡 n-1 彡 N，則令 Gdls,L,R(m+l，n-l) = Gdl&R(M，n-l)， 若1彡m+1彡Μ且n-l〈l，則令貝1J對 應表示{Gdls,UR(m，n)}中坐標位置為（M，n-1)、（m+l，l)和（M，l)的像素點的像素值；上= GdlSiUR(M，l)中的"="為賦值符號。
【專利摘要】本發(fā)明公開了一種基于立體視覺感知的全盲立體圖像質量客觀評價方法，其在訓練階段，先獲取每幅原始的無失真立體圖像的融合視點圖像的去均值歸一化圖像，然后輸入到實證密度函數(shù)中得到紋理信息向量，并進行四個方向的濾波處理得到方向信息向量，再將所有紋理信息向量和方向信息向量輸入到高斯分布模型中，得到無失真高斯分布模型；在測試階段，采用相同的方式得到失真高斯分布模型，然后采用馬氏距離公式衡量無失真高斯分布模型和失真高斯分布模型之間的誤差，將誤差作為待評價的失真立體圖像的圖像質量客觀評價預測值；優(yōu)點是其能夠充分考慮到立體視覺感知特性，從而能夠有效地提高客觀評價結果與主觀感知之間的相關性。
【IPC分類】H04N13/00, H04N17/00
【公開號】CN105282543
【申請?zhí)枴緾N201510701937
【發(fā)明人】周武杰, 王中鵬, 邱薇薇, 周揚, 吳茗蔚, 翁劍楓, 葛丁飛, 王新華, 孫麗慧, 陳壽法, 鄭衛(wèi)紅, 李鑫, 吳潔雯, 文小軍, 金國英
【申請人】浙江科技學院
【公開日】2016年1月27日
【申請日】2015年10月26日