一种基于失真图的立体图像质量客观评价方法

摘要

本发明公开了一种基于失真图的立体图像质量客观评价方法，其首先分别计算原始的无失真的立体图像的独眼图和待评价的失真的立体图像的独眼图，然后分别计算两个独眼图之间的结构失真图和可视失真图，并对待评价的失真的立体图像的独眼图中的每个像素点的客观评价度量值进行融合，得到待评价的失真的立体图像的图像质量客观评价预测值，优点在于所获得的独眼图能够很好地对双目立体融合过程进行模拟，并且采用结构失真图和可视失真图进行融合，能有效地提高客观评价结果与主观感知的相关性。

主权项

一种基于失真图的立体图像质量客观评价方法，其特征在于它的处理过程为：首先，根据原始的无失真的立体图像的左视点图像和右视点图像中的每个像素点在不同尺度和方向的偶对称频率响应和奇对称频率响应，及原始的无失真的立体图像的左视点图像和右视点图像之间的视差图像，获得原始的无失真的立体图像的独眼图；根据待评价的失真的立体图像的左视点图像和右视点图像中的每个像素点在不同尺度和方向的偶对称频率响应和奇对称频率响应，及原始的无失真的立体图像的左视点图像和右视点图像之间的视差图像，获得待评价的失真的立体图像的独眼图；其次，分别计算两个独眼图之间的结构失真图和可视失真图；然后，根据结构失真图和可视失真图，对待评价的失真的立体图像的独眼图中的每个像素点的客观评价度量值进行融合，得到待评价的失真的立体图像的图像质量客观评价预测值；最后，按照上述处理过程获取多幅不同失真类型不同失真程度的失真的立体图像的图像质量客观评价预测值；该立体图像质量客观评价方法具体包括以下步骤：①令S_org为原始的无失真的立体图像，令S_dis为待评价的失真的立体图像，将S_org的左视点图像记为{L_org(x,y)}，将S_org的右视点图像记为{R_org(x,y)}，将S_dis的左视点图像记为{L_dis(x,y)}，将S_dis的右视点图像记为{R_dis(x,y)}，其中，此处(x,y)表示左视点图像和右视点图像中的像素点的坐标位置，1≤x≤W，1≤y≤H，W表示左视点图像和右视点图像的宽度，H表示左视点图像和右视点图像的高度，L_org(x,y)表示{L_org(x,y)}中坐标位置为(x,y)的像素点的像素值，R_org(x,y)表示{R_org(x,y)}中坐标位置为(x,y)的像素点的像素值，L_dis(x,y)表示{L_dis(x,y)}中坐标位置为(x,y)的像素点的像素值，R_dis(x,y)表示{R_dis(x,y)}中坐标位置为(x,y)的像素点的像素值；②计算{L_org(x,y)}、{R_org(x,y)}、{L_dis(x,y)}、{R_dis(x,y)}中的每个像素点在不同尺度和方向的偶对称频率响应和奇对称频率响应；然后获取{L_org(x,y)}、{R_org(x,y)}、{L_dis(x,y)}、{R_dis(x,y)}中的每个像素点的振幅；再根据{L_org(x,y)}和{R_org(x,y)}中的每个像素点的振幅及{L_org(x,y)}与{R_org(x,y)}之间的视差图像中的每个像素点的像素值，计算S_org的独眼图，记为{CM_org(x,y)}，并根据{L_dis(x,y)}和{R_dis(x,y)}中的每个像素点的振幅及{L_org(x,y)}与{R_org(x,y)}之间的视差图像中的每个像素点的像素值，计算S_dis的独眼图，记为{CM_dis(x,y)}，其中，CM_org(x,y)表示{CM_org(x,y)}中坐标位置为(x,y)的像素点的像素值，CM_dis(x,y)表示{CM_dis(x,y)}中坐标位置为(x,y)的像素点的像素值；③计算S_org的独眼图{CM_org(x,y)}与S_dis的独眼图{CM_dis(x,y)}之间的结构失真图，记为{D_appear(x,y)}，将{D_appear(x,y)}中坐标位置为(x,y)的像素点的像素值记为D_appear(x,y)，，其中，α表示对{CM_org(x,y)}和{CM_dis(x,y)}进行滤波所采用的滤波器的尺度因子，1≤α≤4，θ表示对{CM_org(x,y)}和{CM_dis(x,y)}进行滤波所采用的滤波器的方向因子，1≤θ≤4，ω_θ表示不同尺度的加权系数，ρ、λ和γ为控制系数，和对应表示{CM_org(x,y)}中坐标位置为(x,y)的像素点在不同尺度和方向的振幅的标准差、偏度和峰度，和对应表示{CM_dis(x,y)}中坐标位置为(x,y)的像素点在不同尺度和方向的振幅的标准差、偏度和峰度；④计算S_org的独眼图{CM_org(x,y)}与S_dis的独眼图{CM_dis(x,y)}之间的可视失真图，记为{D_detect(x,y)}，将{D_detect(x,y)}中坐标位置为(x,y)的像素点的像素值记为D_detect(x,y)，D_detect(x,y)＝ξ(x,y)^η×CM_err(x,y)^2×(1‑η)，其中，ξ(x,y)表示{CM_org(x,y)}与{CM_dis(x,y)}中坐标位置为(x,y)的像素点之间的对比度失真，β₁和β₂为控制系数，CM_err(x,y)表示{CM_org(x,y)}与{CM_dis(x,y)}之间的残差图像{CM_err(x,y)}中坐标位置为(x,y)的像素点的像素值；⑤根据{D_appear(x,y)}和{D_detect(x,y)}，对S_dis的独眼图{CM_dis(x,y)}中的每个像素点的客观评价度量值进行融合，得到S_dis的图像质量客观评价预测值，记为Q，$Q={\left[\frac{\underset{(x,y)\in \Omega }{\Sigma }{Q}_{\mathrm{image}}(x,y)\times D_{\mathrm{appear}}(x,y)}{\underset{(x,y)\in \Omega }{\Sigma }{D}_{\mathrm{appear}}(x,y)}\right]}^{\tau }\times {\left[\frac{\underset{(x,y)\in \Omega }{\Sigma }{Q}_{\mathrm{image}}(x,y)\times D_{\det \mathrm{ect}}(x,y)}{\underset{(x,y)\in \Omega }{\Sigma }{D}_{\det \mathrm{ect}}(x,y)}\right]}^{\upsilon },$其中，Q_image(x,y)表示{CM_dis(x,y)}中坐标位置为(x,y)的像素点的客观评价度量值，Ω表示像素域范围，τ和υ为权重系数；⑥采用n幅原始的无失真的立体图像，建立其在不同失真类型不同失真程度下的失真立体图像集合，该失真立体图像集合包括多幅失真的立体图像，其中，n≥1；⑦按照步骤①至步骤⑤计算S_dis的图像质量客观评价预测值的操作过程，分别计算失真立体图像集合中每幅失真的立体图像的图像质量客观评价预测值。