[发明专利]一种立体图像质量客观评价方法

摘要

本发明公开了一种立体图像质量客观评价方法，其通过计算无失真立体图像和失真立体图像各自的左和右视点图像中的每个像素点经外侧膝状体处理后的响应输出及经初级视皮层单目处理后的响应输出、无失真立体图像的左和右视点图像中同坐标位置的像素点及失真立体图像的左和右视点图像中同坐标位置的像素点经初级视皮层双目处理后的在不同视差平面上的响应输出、无失真立体图像的左和右视点图像中同坐标位置的像素点及失真立体图像的左和右视点图像中同坐标位置的像素点经第二视皮层双目处理后的在不同视差平面上的响应输出，获得失真立体图像的质量矢量，其能较好地反映失真立体图像的质量变化情况，有效地提高了客观评价结果与主观感知之间的相关性。

主权项

一种立体图像质量客观评价方法，其特征在于包括以下步骤：①令Sorg表示原始的无失真立体图像，令Sdis表示Sorg失真后得到的失真立体图像，将Sorg的左视点图像记为{Lorg(x,y)}，将Sorg的右视点图像记为{Rorg(x,y)}，将Sdis的左视点图像记为{Ldis(x,y)}，将Sdis的右视点图像记为{Rdis(x,y)}，其中，1≤x≤W，1≤y≤H，W表示Sorg和Sdis的宽度，H表示Sorg和Sdis的高度，Lorg(x,y)表示{Lorg(x,y)}中坐标位置为(x,y)的像素点的像素值，Rorg(x,y)表示{Rorg(x,y)}中坐标位置为(x,y)的像素点的像素值，Ldis(x,y)表示{Ldis(x,y)}中坐标位置为(x,y)的像素点的像素值，Rdis(x,y)表示{Rdis(x,y)}中坐标位置为(x,y)的像素点的像素值；②计算{Lorg(x,y)}中的每个像素点经外侧膝状体处理后的响应输出，将{Lorg(x,y)}中坐标位置为(x,y)的像素点经外侧膝状体处理后的响应输出记为并计算{Rorg(x,y)}中的每个像素点经外侧膝状体处理后的响应输出，将{Rorg(x,y)}中坐标位置为(x,y)的像素点经外侧膝状体处理后的响应输出记为同样，计算{Ldis(x,y)}中的每个像素点经外侧膝状体处理后的响应输出，将{Ldis(x,y)}中坐标位置为(x,y)的像素点经外侧膝状体处理后的响应输出记为并计算{Rdis(x,y)}中的每个像素点经外侧膝状体处理后的响应输出，将{Rdis(x,y)}中坐标位置为(x,y)的像素点经外侧膝状体处理后的响应输出记为③根据{Lorg(x,y)}中的每个像素点经外侧膝状体处理后的响应输出，计算{Lorg(x,y)}中的每个像素点经初级视皮层单目处理后的响应输出，将{Lorg(x,y)}中坐标位置为(x,y)的像素点经初级视皮层单目处理后的响应输出记为并根据{Rorg(x,y)}中的每个像素点经外侧膝状体处理后的响应输出，计算{Rorg(x,y)}中的每个像素点经初级视皮层单目处理后的响应输出，将{Rorg(x,y)}中坐标位置为(x,y)的像素点经初级视皮层单目处理后的响应输出记为然后计算{Lorg(x,y)}和{Rorg(x,y)}中同坐标位置的像素点经初级视皮层双目处理后的在不同视差平面上的响应输出，将{Lorg(x,y)}和{Rorg(x,y)}中坐标位置为(x,y)的像素点经初级视皮层双目处理后的在视差平面d上的响应输出记为其中，d表示视差平面的坐标位置；同样，根据{Ldis(x,y)}中的每个像素点经外侧膝状体处理后的响应输出，计算{Ldis(x,y)}中的每个像素点经初级视皮层单目处理后的响应输出，将{Ldis(x,y)}中坐标位置为(x,y)的像素点经初级视皮层单目处理后的响应输出记为并根据{Rdis(x,y)}中的每个像素点经外侧膝状体处理后的响应输出，计算{Rdis(x,y)}中的每个像素点经初级视皮层单目处理后的响应输出，将{Rdis(x,y)}中坐标位置为(x,y)的像素点经初级视皮层单目处理后的响应输出记为然后计算{Ldis(x,y)}和{Rdis(x,y)}中同坐标位置的像素点经初级视皮层双目处理后的在不同视差平面上的响应输出，将{Ldis(x,y)}和{Rdis(x,y)}中坐标位置为(x,y)的像素点经初级视皮层双目处理后的在视差平面d上的响应输出记为④计算{Lorg(x,y)}和{Rorg(x,y)}中同坐标位置的像素点经第二视皮层双目处理后的在不同视差平面上的响应输出，将{Lorg(x,y)}和{Rorg(x,y)}中坐标位置为(x,y)的像素点经第二视皮层双目处理后的在视差平面d上的响应输出记为同样，计算{Ldis(x,y)}和{Rdis(x,y)}中同坐标位置的像素点经第二视皮层双目处理后的在不同视差平面上的响应输出，将{Ldis(x,y)}和{Rdis(x,y)}中坐标位置为(x,y)的像素点经第二视皮层双目处理后的在视差平面d上的响应输出记为⑤根据{Lorg(x,y)}中的所有像素点经外侧膝状体处理后的响应输出和{Ldis(x,y)}中对应的像素点经外侧膝状体处理后的响应输出、{Rorg(x,y)}中的所有像素点经外侧膝状体处理后的响应输出和{Rdis(x,y)}中对应的像素点经外侧膝状体处理后的响应输出、{Lorg(x,y)}中的所有像素点经初级视皮层单目处理后的响应输出和{Ldis(x,y)}中对应的像素点经初级视皮层单目处理后的响应输出、{Rorg(x,y)}中的所有像素点经初级视皮层单目处理后的响应输出和{Rdis(x,y)}中对应的像素点经初级视皮层单目处理后的响应输出、{Lorg(x,y)}和{Rorg(x,y)}中同坐标位置的像素点经初级视皮层双目处理后的在不同视差平面上的响应输出及{Ldis(x,y)}和{Rdis(x,y)}中同坐标位置的像素点经初级视皮层双目处理后的在不同视差平面上的响应输出、{Lorg(x,y)}和{Rorg(x,y)}中同坐标位置的像素点经第二视皮层双目处理后的在不同视差平面上的响应输出及{Ldis(x,y)}和{Rdis(x,y)}中同坐标位置的像素点经第二视皮层双目处理后的在不同视差平面上的响应输出，计算Sdis的质量矢量，记为F，其中，F的维数为1×6；⑥对由P幅失真立体图像构成的立体图像库，将立体图像库中的第p幅失真立体图像的平均主观评分差值记为DMOSp；接着按照步骤①至步骤⑤获取Sdis的质量矢量F的操作，以相同的方式获取立体图像库中的每幅失真立体图像的质量矢量，将立体图像库中的第p幅失真立体图像的质量矢量记为Fp；其中，P的大小由立体图像库而定，1≤p≤P，DMOSp∈[0,100]，Fp的维数为1×6；⑦随机选择立体图像库中的多幅失真立体图像构成训练集，将立体图像库中剩余的多幅失真立体图像构成测试集；并令m表示迭代的次数，其中，m的初始值为0；⑧假设训练集中包含Q幅失真立体图像，则测试集中包含P‑Q幅失真立体图像；然后将训练集中的所有失真立体图像各自的质量矢量和平均主观评分差值构成训练样本数据集合；接着采用支持向量回归作为机器学习的方法，对训练样本数据集合中的所有质量矢量进行训练，使得经过训练得到的回归函数值与平均主观评分差值之间的误差最小，拟合得到最优的支持向量回归训练模型，记为f(Finp)；之后根据最优的支持向量回归训练模型，对测试集中的每幅失真立体图像的质量矢量进行测试，预测得到测试集中的每幅失真立体图像的客观质量评价预测值，将测试集中的第n幅失真立体图像的客观质量评价预测值记为Qn，Qn＝f(Fn)；再令m＝m+1；其中，1<Q<P，f()为函数表示形式，Finp表示支持向量回归训练模型的输入矢量，1≤n≤P‑Q，Fn表示测试集中的第n幅失真立体图像的质量矢量，m＝m+1中的“＝”为赋值符号；⑨判断m<M是否成立，如果成立，则重新随机分配构成训练集的失真立体图像和构成测试集的失真立体图像，然后返回步骤⑧继续执行；否则，计算立体图像库中的每幅失真立体图像的多个客观质量评价预测值的平均值，并将计算得到的平均值作为对应那幅失真立体图像的最终的客观质量评价预测值；其中，M表示设定的总迭代次数，M>100。