[发明专利]一种无参考模糊失真立体图像质量评价方法

说明书

技术领域

本发明涉及一种图像质量评价方法，尤其是涉及一种无参考模糊失真立体图像质量评价方法。

背景技术

随着图像编码技术和立体显示技术的迅速发展，立体图像技术受到了越来越广泛的关注与应用，已成为当前的一个研究热点。立体图像技术利用人眼的双目视差原理，双目各自独立地接收来自同一场景的左视点图像和右视点图像，通过大脑融合形成双目视差，从而欣赏到具有深度感和逼真感的立体图像。与单通道图像相比，立体图像需要同时保证两个通道的图像质量，因此对其进行质量评价具有非常重要的意义。然而，目前对立体图像质量缺乏有效的客观评价方法进行评价。因此，建立有效的立体图像质量客观评价模型具有十分重要的意义。

由于影响立体图像质量的因素较多，如左视点和右视点质量失真情况、立体感知情况、观察者视觉疲劳等，因此如何有效地进行无参考质量评价是亟需解决的难点问题。目前的无参考质量评价通常采用机器学习来预测评价模型，计算复杂度较高，并且训练模型需要预知各评价图像的主观评价值，并不适用于实际的应用场合，存在一定的局限性。稀疏表示将信号在已知的函数集上进行分解，力求在变换域上用尽量少的基函数来对原始信号进行逼近，目前的研究主要集中在字典构造和稀疏分解两方面。稀疏表示的一个关键问题就是如何有效地构造字典来表征图像的本质特征。目前已提出的字典构造算法包括：1)有学习过程的字典构造方法：通过机器学习来训练得到字典信息，如支持向量机等；2)无学习过程的字典构造方法：直接利用图像的特征来构造字典，如多尺度Gabor字典、多尺度高斯字典等。因此，如何进行无学习过程的字典构造，如何根据字典来进行无参考的质量估计，都是在无参考质量评价研究中需要重点解决的技术问题。

发明内容

本发明所要解决的技术问题是提供一种无参考模糊失真立体图像质量评价方法，其计算复杂度低，且能够有效地提高客观评价结果与主观感知的相关性。

本发明解决上述技术问题所采用的技术方案为：一种无参考模糊失真立体图像质量评价方法，其特征在于包括训练阶段和测试阶段两个过程，其中，

训练阶段包括以下步骤：

①-1、选取N幅原始的无失真立体图像，然后将选取的N幅原始的无失真立体图像和每幅原始的无失真立体图像对应的模糊失真立体图像构成训练图像集，记为{S_i,org,S _i,dis|1≤i≤N}，其中，S_i,org表示{S_i,org,S_i,dis|1≤i≤N}中的第i幅原始的无失真立体图像，S_i,dis表示{S_i,org,S_i,dis|1≤i≤N}中的第i幅原始的无失真立体图像对应的模糊失真立体图像；

①-2、对{S_i,org,S_i,dis|1≤i≤N}中的每幅模糊失真立体图像的左视点图像进行非重叠的分块处理，然后采用Fast-ICA方法对由每幅模糊失真立体图像的左视点图像中的所有子块构成的集合进行字典训练操作，得到每幅模糊失真立体图像的左视点图像的视觉字典表，将S_i,dis的左视点图像的视觉字典表记为其中，的维数为64×K，K表示中包含的视觉字典的总个数；

对{S_i,org,S_i,dis|1≤i≤N}中的每幅模糊失真立体图像的右视点图像进行非重叠的分块处理；然后采用Fast-ICA方法对由每幅模糊失真立体图像的右视点图像中的所有子块构成的集合进行字典训练操作，得到每幅模糊失真立体图像的右视点图像的视觉字典表，将S_i,dis的右视点图像的视觉字典表记为其中，的维数为64×K，K表示中包含的视觉字典的总个数，与中包含的视觉字典的总个数一致；

对{S_i,org,S_i,dis|1≤i≤N}中的每幅原始的无失真立体图像的左视点图像进行非重叠的分块处理；然后采用Fast-ICA方法对由每幅原始的无失真立体图像的左视点图像中的所有子块构成的集合进行字典训练操作，得到每幅原始的无失真立体图像的左视点图像的视觉字典表，将S_i,org的左视点图像的视觉字典表记为其中，的维数为64×K，K表示中包含的视觉字典的总个数，与和中各自包含的视觉字典的总个数一致；