[发明专利]基于稀疏表示的无参考立体图像质量客观评价方法

摘要

本发明涉及一种基于稀疏表示的立体图像质量客观评价方法，包括：进行字典学习；得到失真图像差值图以及失真图像和值图；对立体图像库中的失真图像对进行稀疏表示；对和图和差图进行稀疏表示，得到相应的系数矩阵；对失真立体图像对左右图、和图以及差图稀疏表示后的系数矩阵分别进行求熵操作，得到各自的熵E；利用支持向量机SVM对图像库中图像对的熵及相应的主观评价值DMOS进行训练；得到相应的熵‑DMOS模型；对任意一组失真图像对，进行第一步至第四步操作，得到对应的熵；利用SVM对该图像对的客观预测值进行预测，到最终的客观预测值。本发明能够充分考虑双视点特性。

主权项

1.一种基于稀疏表示的立体图像质量客观评价方法，每个失真图像对由左图和右图组成，设失真图像对为(t_l,t_r)，包括以下步骤：第一步：奇异值分解算法K‑SVD进行字典学习；第二步，模拟人眼的立体感双通道特性，将图像库中的所有失真图像对(t_l,t_r)进行相减取绝对值和求和取均值操作，得到失真图像差值图t_d以及失真图像和值图t_s；第三步：对立体图像库中的失真图像对进行稀疏表示；第四步：利用正交匹配追踪算法OMP对第二步中得到的和值图和差值图进行稀疏表示，得到相应的系数矩阵C_s和C_d；第五步：对失真图像对左右图、和值图以及差值图稀疏表示后的系数矩阵分别进行求熵操作，得到各自的熵E；第六步：利用支持向量机SVM对图像库中图像对的熵及相应的主观评价值DMOS进行训练；具体如下，随机选择Q×80％幅图像对的熵和DMOS用于训练，得到相应的熵‑DMOS模型；第七步：对任意一组失真图像对，进行第一步至第五步操作，得到对应的熵，根据第六步中得到的熵‑DMOS模型，利用SVM对该图像对的客观预测值进行预测，到最终的客观预测值。