[发明专利]基于独立成分分析和双目融合特性的全参考立体图像质量评价方法

摘要

本发明提供一种基于独立成分分析和双目融合特性的全参考立体图像质量评价方法，其主要步骤是：利用独立成分分析训练出一个特征检测器来提取原始图像与失真图像的稀疏特征；利用稀疏特征分别计算左右图像的结构特征相似度，将左右图像得到的结构特征相似度进行融合，得到立体图像的结构特征相似度；将原始图像和失真图像进行分块、列向量化后的每个列向量均值构成一个均值对，取亮度差异较大的均值对来计算亮度一致性，将左右图像得到的亮度一致性进行融合，得到立体图像的亮度一致性；将立体图像的特征相似度和亮度一致性进行线性加权，得到立体图像的质量分数。该方法能够有效提高客观评价结果与主观感知之间的相关性且具有较好的稳定性。

主权项

1.一种基于独立成分分析和双目融合特性的全参考立体图像质量客观评价方法，其特征在于，具体步骤如下：1)稀疏特征提取：将原始图像和失真图像进行分块处理，对图像块进行列向量化和去均值处理，得到原始图像的矩阵Xr和失真图像的矩阵Xd；利用独立成分分析训练出一个特征检测器W，再利用特征检测器W对视觉信息的响应提取稀疏特征，即feature＝WX，得到原始图像特征矩阵Fr和失真图像特征矩阵Fd；2)计算衡量立体图像结构失真的质量分数：利用步骤1)得到的特征分别计算左图像的特征相似度与右图像的特征相似度，将失真图像具有的特征能量作为人眼的刺激强度，用相对刺激强度作为权值因子，用增益控制模型将左右图像得到的特征相似度进行融合，得到立体图像的特征相似度即衡量立体图像结构失真的质量分数QIFS；3)计算衡量立体图像亮度失真的质量分数：利用原始图像和失真图像的亮度一致性来衡量立体图像的亮度失真，用相对亮度信息将左右图像得到的亮度一致性进行融合，得到立体图像的亮度一致性即衡量立体图像亮度失真的质量分数QLLC；4)计算立体图像质量分数：将步骤2)和3)得到的特征相似度QIFS和亮度一致性QLLC，采用线性融合的方式来计算立体图像的质量Qscore，即Qscore＝λ·QIFS+(1‑λ)·QLLC；其中，λ是用来表示特征相似度和亮度一致性的重要程度的参数。