[发明专利]基于空域特征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空域特征的无参考立体图像质量客观评价方法，包括以下步骤：模拟人类视觉特性，对失真图像对的左图和右图分别进行二维Gabor滤波，得到左图和右图的加权因子；将失真图像对进行加权运算，并进行归一化处理，得到失真图像对的视觉感知图对进行分块处理；求解每一图像块的特征参数；将图像尺寸缩放为原来的一半，然后获得缩放图像的每一图像块的特征参数从而得到构成的空域特征；计算特征的均值和方差矩阵ν_d和∑_d。训练无失真参考图像对的多元高斯模型，得到均值和方差矩阵ν和∑作为标准模型；计算ν_d和∑_d与标准模型ν和∑之间的距离，即为立体图像对质量的客观预测值。本发明能够充分考虑双视点特性。

主权项

1.一种基于空域特征的无参考立体图像质量客观评价方法，每个失真立体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：模拟人类视觉特性，对失真图像对的左图和右图分别进行二维Gabor滤波，得到左图和右图的加权因子:W_L(x,y)和W_R((x+d),y)，其中，(x,y)为像素点坐标，d表示对右图进行视差补偿的像素点横坐标差值；第二步：将失真图像对(t_l,t_r)进行加权运算，得到V(x,y)；第三步：对V(x,y)进行归一化处理，得到失真图像对的视觉感知图第四步：对失真图像对的视觉感知图进行分块处理，设每块大小为m×n；假定图像尺寸为M×N，图像可以划分为([M/m]×[N/n])图像块，[x]表示不大于x的最大整数；第五步：利用非对称高斯分布模型求解每一图像块的特征参数；第六步：将图像尺寸缩放为原来的图像块尺寸m,n缩放为原来的然后重复第三步至第五步操作，获得缩放图像的每一图像块的特征参数；第七步：集合第五步和第六步得到的特征参数，构成的空域特征；第八步，以列为单位，分别计算第七步所获得特征的均值和方差矩阵ν_d和∑_d；第九步，训练无失真参考图像对的多元高斯模型，方法如下：选取n幅参考图像对，进行上述第一步至第六步操作，得到共计k组图像块的特征参数，将所有的图像块的特征参数进行训练，得到多元高斯模型的均值和方差矩阵ν和∑作为标准模型；第十步：计算ν_d和∑_d与标准模型ν和∑之间的距离，即为立体图像对质量的客观预测值。