[发明专利]一种基于人类视觉基本特性的立体图像客观质量评价方法

权利要求书

1.一种基于人类视觉基本特性的立体图像客观质量评价方法，每个立体图像对由左图像和右图像组成，设参考图像对为(o_l,o_r)，失真图像对为(t_l,t_r)，采用如下的方法进行失真图像对(t_l,t_r)的质量评价：

第一步，模拟人眼的立体感双通道特性，首先将参考图像对(o_l,o_r)和失真图像对(t_l,t_r)分别进行相减和求和操作，得到参考图像绝对差值图o_d，失真图像绝对差值图t_d以及参考图像和值图o_s，失真图像和值图t_s；

第二步，模拟人眼的带通特性，对参考图像绝对差值图o_d，失真图像绝对差值图t_d和参考图像和值图o_s，失真图像和值图t_s分别进行离散小波分解，分别得到参考图像绝对差值图各层各方向分解的小波系数O_d，失真图像绝对差值图各层各方向分解的小波系数T_d，参考图像和值图各层各方向分解的小波系数O_s，失真图像和值图各层各方向分解的小波系数T_s；

第三步，对失真图像和值图的小波变换系数T_s进行分解，分解为细节丢失部分R_t和加性噪声部分A_t以便后续评价，所采用的分解方法如下：

其中，参数λ是小波变换的层数，θ＝1代表近似子带小波系数，θ＝2,3,4分别代表沿水平，垂直和对角方向的小波系数，(i,j)代表小波系数像素点位置；R_d(λ,θ,i,j)即表示失真图像和值图细节丢失部分的第λ层沿θ方向处于(i,j)位置的小波系数；ψ_diff(λ,i,j)是参考图像和值图在第λ级在(i,j)位置的沿水平方向与垂直方向小波系数分解系数比值的反正切值ψ_o(λ,i,j)与失真图像和值图在第λ级在(i,j)位置的沿水平方向与垂直方向小波系数分解系数比值的反正切值ψ_t(λ,i,j)的差值，k(λ,θ,i,j)是分解系数，ψ_o(λ,i,j)，ψ_t(λ,i,j)，k(λ,θ,i,j)分别由以下公式决定：

ψo(λ,i,j)=arctan(Os(λ,θ=2,i,j)Os(λ,θ=3,i,j)+10-30)+π×u(-Os(λ,θ=3,i,j))]]>

ψt(λ,i,j)=arctan(Ts(λ,θ=2,i,j)Ts(λ,θ=3,i,j)+10-30)+π×u(-Ts(λ,θ=3,i,j))]]>

k(λ,i,j)=min(mix(Td(λ,θ,i,j)Od(λ,θ,i,j)+10-30,0),1)]]>

公式中，u(·)是单位跃阶函数，10^-30引入是为了避免被除数为0造成计算错误；

第四步：利用对比度敏感度函数（CSF）对失真图像差值图的加性噪声部分小波系数A_t，细节丢失部分小波系数R_t，参考图像差值图小波系数O_d，参考图像和失真图像和值图小波系数O_s、T_s分别进行加权；

第五步：对失真图像和值图小波系数T_s，失真图像差值图小波系数R_t和细节丢失部分小波系数A_t进行对比度掩盖操作，得到失真图像细节丢失部分和加性噪声部分对比度掩盖后的小波系数R_t^'和A_t^'以及失真图像和值图对比度掩盖后的小波系数T_s^'；

第六步：分别计算得到和图部分的质量Q_s和绝对差值图部分的质量Q_d，采用如下的公式对和值图部分进行质量评价：

Qs=q1+a1×(0.5-11+exp(a2×q2))]]>

其中，α₁，α₂是由实验决定的常数，这里取α₁＝1.1,α₂＝515，q₁和q₂由下式决定：

q1=Σλ=14Σθ=24[Σi,j∈centerR′(λ,θ,i,j)βs]1/βsΣλ=14Σθ=24[Σi,j∈centerOs′(λ,θ,i,j)βs]1/βsq2=Σλ=14Σθ=24[Σi,j∈centerA′(λ,θ,i,j)βs]1/βsN]]>

上式中，图像像素值i,j∈center表示只计算中心部分区域；β_s是Monowiski汇集系数，这里设置为3；

采用如下的公式进行绝对差值图部分的质量评价：

Qd=Σλ=14Σθ=14ωλ,θ×(2μxμy+C1)(2σxy+C2)(μx2+μy2+C1)(σx2+σy2+C2)]]>

其中，是各个ω_λ,_θ频带各方向的对比度敏感度函数权值，μ_x参考图像和值图的各子带均值μ_y是失真图像和值图各子带的均值，σ_x是参考图像和值图各子带的方差σ_y，是原失真和值图各子带的均值，方差；C₁和C₂是常数，一般取值较小，这里取值为0；

第七步，对和值图部分的质量Q_s和绝对差值图部分的质量Q_d^'进行非线性映射得到映射后的和值图部分质量Q_s^'以及映射后的绝对差值图部分质量Q_d^'，使主观值和客观值呈线性关系，采用线性加权的办法得到最终的立体图像质量Q，采用的非线性映射如下：

Q′=β1×(0.5-11+exp(β2×(Q-β3)))+β4×Q+β5]]>

其中，参数β₁，β₂，β₃，β₄，β₅通过使主观值和客观值的均方差最小的最优化算法确定，最终评价指标由下式给出：

Q＝ω_sQ_s^'+ω_dQ_d^'

其中，加权值ω_s和ω_d满足：ωs+ωd=10<ωs<10<ωd<1.]]>