[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

摘要

本发明属于图像处理领域。为提供一种综合考虑生理与心理立体视觉线索的质量评价方法，通过该方法能够有效地实现对立体图像进行客观的质量评价，本发明采取的技术方案是，基于生理与心理立体视觉的立体图像客观质量评价方法，包括如下步骤：第一步，计算左右视图间的绝对差异；第二步，将绝对差异值转换成灰度级图像作为能够表征立体图像质量的特征参量；第三步，对转换后的灰度图像做K-means聚类分割；第四步，通过对不同的类图分配不同的权重来区别对待；第五步，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：第六步，最终得到的立体图像质量评价指标3DM。本发明主要应用于立体图像客观质量评价。

主权项

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。