[发明专利]基于生理与心理立体视觉的立体图像客观质量评价方法

权利要求书

1.一种基于生理与心理立体视觉的立体图像客观质量评价方法，其特征是，包括如下步骤：

第一步，取一对具有双目视差的视点对，计算左右视图间的绝对差异Diff₀＝|f(x₁)-f(x₂)|，其中，f(x₁)、f(x₂)是左右视图的像素值；

第二步，将绝对差异值转换成灰度级图像Diff＝rgb2gray(Diff₀)，作为能够表征立体图像质量的特征参量，rgb2gray()是将真彩色图像转换为灰度图像的函数；

第三步，对转换后的灰度图像做K-means聚类分割，模拟人眼视觉观看自然景物时习惯于将相似性强的物体进行聚类的特点；

假设X＝{x₁，x₂，...，x_n}是n个对象的集合，K-均值算法在聚类过程中把对象集X聚成K个类，用class_k(k＝1，2，...，K)表示聚类的K个类别，将目标函数P作为聚类准则函数，P是各个类中所有的点到聚类中心距离的总和，使得目标函数P最小，有：

P=Σk=1KΣs=1nkd(xs,zk)]]>

其中，x_s是各类中的数据对象，n_k是各类的数据个数，x表示各类的均值，z₁，z₂，...，z_K代表各个聚类簇的中心；d(x_s，z_k)是对象s和类k的中心的距离或相似度，这里采用欧氏距离来表示，基于这种距离度量的算法趋向于发现具有相近密度和尺寸的类：

d(x_s，z_k)＝(x_s-z_k)²

输入条件为聚类个数K，以及包含n个数据对象的样本集；输出条件为：满足方差最小标准的K个聚类；

第四步，由于基于K-means算法对原始立体图像的绝对差异图像分割后得到的类图里的内容具有相似的性质，因此认为每一类图像的重要性也相同，可以通过对不同的类图分配不同的权重来区别对待，w_seg_k是不同类的加权系数，由如下公式确定：

w_segk=mkΣk=1Kmk]]>

式中m_k是类k的灰度均值，即z_k；

第五步，利用加权平均结构相似性准则，计算原始立体图像的类图和失真立体图像的类图之间的WMSSIM值，计算公式如下式：

WMSSIM(x,y)=Σi=1B[w_blkiMSSIM(Diff1,Diff2)]]]>

w_blk_i是每一子块的权重系数；

第六步，最终应用WMSSIM准则，计算聚类后的原始和失真差异图像之间的质量评价指标3DM，

3DM=Σk=1K[w_segkWMSSIMk(c1Diff1,c2Diff2)]]]>

Diff₁、Diff₂分别为原始立体图像绝对差异图像的类图数据和失真立体图像绝对差异图像的类图数据，c₁、c₂为分配给类图1和类图2的权重；

第七步，根据得到的指标对立体图像质量进行评价，3DM为归一化的数值，该值越大，图像质量越好。

2.如权利要求1所述的，基于生理与心理立体视觉的立体图像客观质量评价方法，其特征是，利用加权平均结构相似性准则，计算原始立体图像的类图和失真立体图像的类图之间的WMSSIM值，具体方法如下：

①将立体图像的绝对差异图像进行大小相等的划分，划分成B个子块，每个子块记为B_i，每一块中含有N＝M×M′个像素；

②计算每个子块B_i的亮度、纹理细节和分块空间位置对人眼视觉的影响因子，确定每个子块的权值；

A亮度的影响

视觉主观亮度与光刺激强度的对数成比例，即其中α为常数，I为主观亮度值，I_o为绝对门限值；

设I_imax＝max{Lum₁，Lum₂，...，Lum_N}为第i个分块区中的最大亮度值，其中Lum_l为块中各像素的亮度，为第i个子块区的平均亮度值，用近似地表示该子块的光刺激强度，令a＝1，则可以导出由亮度变化导致的权重影响因子s_i为：

si=lgIimaxIiavg]]>

B纹理细节的影响

纹理细节影响因子d_i表示为：

di=(1N-1Σl=1N(Luml-1NΣl=1NLuml)2)1/2]]>

C空间位置的影响

用空间位置影响因子r_i表示人眼的光敏细胞在视网膜的黄斑区分布较为密集这一特性，

ri=1-(xio-xc)2+(yio-yc)2r]]>

式中，x_io、y_io表示分块i的中心位置；x_c、y_c表示原始图像的中心坐标；r表示原始图像中各点到中心坐标的最大距离；

D加权系数的确定

综合分析子块中影响人眼视觉特性的三个重要因素：亮度影响因子s_i、纹理影响因子d_i和空间位置影响因子r_i，通过计算每个子块的综合影响因子占整幅图像总的影响因子的比重，可以得到每个子块的权重系数w_blk_i：

w_blki=WiWSum=si2+di2+ri2WSum]]>

其中，W_i是每个子块综合后的影响因子，W_Sum是所有子块的综合影响因子W_i的总和；

WSum=Σi=1BWi]]>

③计算出每个子块B_i的结构相似性，根据人眼视觉特性在每个子块进行加权求和，从而可以得到加权平均结构相似性评价值WMSSIM：

W(x,y)=Σi=1B[w_blkiMSSIM(Diff1,Diff2)]]]>

④将RGB分量进行相同运算后取平均得到3D_SSIM值，由于立体图像的绝对差异图像是彩色的，因此需要分别计算差值图RGB分量的W(x，y)，即得到W_R(x，y)、W_G(x，y)、W_B(x，y)数据，统计平均后得到参数3D_SSIM；

WMSSIM(x，y)＝E(W_R(x，y)+W_G(x，y)+W_B(x，y))

这里的Diff(x)，Diff(y)分别为原始和失真立体图像对的绝对差值图像数据，WMSSIM(x，y)是利用WMSSIM准则得到的失真立体图像绝对差异信息的加权平均结构相似性评价值，如果是灰度图像，则W(x，y)即是WMSSIM(x，y)。