[发明专利]基于梯度信息指导双目视图融合的立体图像质量评价方法

说明书

本发明公开了一种基于梯度信息指导双目视图融合的立体图像质量评价方法。本发明利用Sobel算子和LoG算子构造联合统计梯度图以作为双目视图融合的权重图，得到对应的中间参考图像和中间失真图像。进而，对中间图像进行图像特征信息的提取，包括边缘、纹理、对比度信息，对参考和失真立体图像对视差图提取深度信息。最后，通过对特征相似性的度量和基于SVR的特征综合与质量映射，从而得到最终的图像质量客观评价分数，实现对立体图像质量损失的度量。实验结果表明，基于本发明所提出算法具有良好的准确性和鲁棒性。

技术领域

本发明属于图像处理技术领域，尤其涉及一种基于梯度信息指导双目视图融合的立体图像质量评价方法。

背景技术

一个完整的立体视频系统由采集、编码、传输、解码和显示等环节构成。相较于我们日常的平面拍摄，立体图像视频采集系统有很大不同，它采用多个相机同时拍摄同一场景的方法，分为汇聚相机和平行相机两种模式。编码环节用来实现对采集的视频压缩编码，目的在于便于压缩和传输。解码环节用来实现对传输的视频快速解码，目的在于使立体视频快速显示。

然而，3D立体图像与视频在场景采集、编码、网络传输、解码、后期处理、压缩存储和放映等各个阶段都可能引入不同类型、不同程度的失真。例如：在图像或视频拍摄过程中由于设备晃动、参数设定不当引起的模糊失真；图像压缩存储引起的压缩失真；传输过程中的噪声干扰等。由于技术水平的局限，处理不当的立体视频不仅会使人眼感到疲劳，还可能危害我们的身心健康。所以，如何来客观评价立体图像质量，即辨别图像中可能存在的不同类型的失真并对其程度进行预测，已经成为图像处理领域中一个迫在眉睫的热点问题。

立体图像质量客观评价方法可以分为两类，一类是将2D平面图像的质量评价方法迁移应用到3D立体图像质量评价中，但由于未充分考虑视差信息和深度信息，评价准确度较低，与主观评价效果偏差较大。第二类方法通过分析人类视觉系统对深度的感知和立体成像原理，建立立体图像感知模型，实现对3D立体图像质量的评价，但目前视差和深度信息的估计并不精确，因此3D立体图像客观质量评价依然是当今研究的热点和难点。

发明内容

本发明方法的目的是针对现有立体图像质量评价方法的不足，提供一种基于梯度信息指导双目视图融合的立体图像质量评价方法。

本发明的具体实施步骤是：

步骤(1).输入参考立体图像对和失真立体图像对，其中每个立体图像对分别包括左视图和右视图图像；

步骤(2).利用Sobel算子对步骤(1)中输入的立体图像对进行卷积运算处理，分别得到立体图像对中左、右视图的梯度图GM；

步骤(3).利用LoG算子对步骤(1)中输入的立体图像对进行卷积运算处理，分别得到立体图像对中左、右视图的梯度图LoG；

步骤(4).基于步骤(2)和步骤(3)中得到的梯度图，计算联合统计的梯度图，联合统计过程的具体表达式如下：

其中，F(x,y)表示联合Sobel算子和LoG算子得到的联合统计梯度图，ε表示很小的正常数，防止分母为零；GM(x,y)表示步骤(2)中利用Sobel算子卷积图像得到的梯度图，LoG(x,y)表示步骤(3)中利用LoG算子卷积图像得到的梯度图；

步骤(5).分别对步骤(1)输入的参考立体图像对和失真立体图像对提取对应的视差图，步骤如下：

将参考立体图像对和失真立体图像对中的右视图以s像素点的步长右移k次，得到右移后的k幅修正右视图；进而利用结构相似度SSIM算法分别计算所有立体图像对中的左视图和k幅修正右视图的结构相似度，得到k幅结构相似性图，其中，SSIM算法的表达式如下：