[发明专利]一种质降参考立体图像质量客观评价方法

摘要

本发明公开了一种质降参考立体图像质量客观评价方法，该方法的评价指标是由左右视点图像质量和深度感知两部组成，该模型利用立体图像的左右视点经小波分解后的多通道特性，并根据图像奇异值能表征的图像属具有较强稳定性的特点，对各子带进行奇异值分解。利用分解得到的奇异值提取图像的特征，作为半参考模型的特征值。结合信息熵和对比敏感度特性对各子带的特征值进行加权得到最终结果。该方法在保证质量评价结果的同时，有效节省了评价图像质量时，所需的传输带宽，可以客观地反映立体图像处理算法的优劣。

主权项

1.一种立体图像客观质量评价方法，其特征在于包括以下步骤：①令I_org为原始的无失真的立体图像，令I_dis为待评价的失真的立体图像，将原始的无失真的立体图像I_org的左视点图像记为L_org，将原始的无失真的立体图像I_org的右视点图像记为R_org，将待评价的失真的立体图像I_dis的左视点图像记为L_dis，将待评价的失真的立体图像I_dis的右视点图像记为R_dis；②在发送端，对L_org和R_org2幅图像分别实施M级小波变换，即将图像分解到各个子带频率的不同方向，分别得到L_org、R_org2幅图像各自对应的M个子带的系数矩阵，将L_org实施第m级小波变换后得到的系数矩阵记为将R_org实施第m级小波变换后得到的系数矩阵记为1≤m≤M，所述的系数矩阵即为图像在各个频率上的显示，即系数矩阵可以作为图像来对待；对2M幅图分别分割成个尺寸大小为8×8的互不重叠的图像块，然后分别对2M幅图的每一个8×8块进行奇异值分解，将实施分块后得到的第e块的奇异值对角矩阵记为将实施分块后得到的第e块的奇异值对角矩阵记为其中，W_m和H_m分别为的宽和高；对两个奇异值对角矩阵分别进行求和，分别得到两个奇异值对角矩阵对应的奇异值和；将实施奇异值对角矩阵求和得到的奇异值和记为将实施奇异值对角矩阵求和得到的奇异值和记为③在接收端，对L_dis和R_dis2幅失真图像分别实施M级小波变换，即将图像分解到各个子带频率的不同方向，分别得到L_dis和R_dis2幅图像各自对应的M个子带的系数矩阵，将L_dis实施第m级小波变换后得到的系数矩阵记为将R_dis实施第m级小波变换后得到的系数矩阵记为1≤m≤M，所述的系数矩阵即为图像在各个频率上的显示，即系数矩阵可以作为图像来对待；对2M幅图分别分割成个尺寸大小为8×8的互不重叠的图像块，然后分别对2M幅图的每一个8×8块进行奇异值分解，将实施分块后得到的第e块的奇异值对角矩阵记为将实施分块后得到的第e块的奇异值对角矩阵记为其中，W_m和H_m分别为的宽和高；对2个奇异值对角矩阵分别进行求和，分别得到2个奇异值对角矩阵对应的奇异值和，将实施奇异值对角矩阵求和得到的奇异值和记为将实施奇异值对角矩阵求和得到的奇异值和记为④在发送端，对和2M幅图分别求取局部信息熵，得到各小波子带的局部信息熵矩阵记为局部信息熵映射图，将的局部信息熵映射图记为将的局部信息熵映射图记为对2M幅图分别分割成个尺寸大小为8×8的互不重叠的图像块，将实施分块后得到的第e块的奇异值对角矩阵记为将实施分块后得到的第e块的奇异值对角矩阵记为为块中坐标为(i,j)的局部信息熵值，为块中坐标为(i,j)的局部信息熵值，其中，1≤i,j≤8，对和计算各块的局部信息熵均值，的信息熵均值记为Mm,eorg,L=Σi=18Σj=18Hm,eorg,L(i,j)8×8,]]>的信息熵均值记为Mm,eorg,R=Σi=18Σj=18Hm,eorg,R(i,j)8×8;]]>⑤在接收端，对原始左图像和失真左图像实施绝对差值计算，求得的绝对差值也称为奇异值特征距离，得到左图像第m子带第e块的奇异值特征距离记为对原始左图像和失真右图像实施绝对差值计算，求得的绝对差值也称为奇异值特征距离，得到右图像第m子带第e块的奇异值特征距离记为δm,eR=|SUMm,eorg,R-SUMm,eids,R|;]]>用和对各子带的和做信息熵加权，得到左右图像各子带的质量因子，将左图像子带的质量因子记为MSVDmL=Σe=1Wm×Hm8×8|(Mm,eoug,L)λ×δm,eL-mid[(Mm,eorg,L)λ×δm,eL]|Wm×Hm8×8,]]>将右图像子带的质量因子记为MSVDmR=Σe=1Wm×Hm8×8|(Mm,eoug,R)λ×δm,eR-mid[(Mm,eorg,R)λ×δm,eR]|Wm×Hm8×8,]]>其中，mid[(Mm,eorg,L)λ×δm,eL]]]>和mid[(Mm,eorg,R)λ×δm,eR]]]>表示m子带中，各块经(Mm,eorg,L)λ×δm,eL]]>和计算后的中值，λ表示块信息熵均值和的权重系数；⑥在接收端，利用对比敏感度函数对左右图像的各子带质量因子和做加权，得到左图像质量和右图像的质量将左图像质量记为QsL=Σi=14Σm=1M|MSVDi,mL|×wi,mΣi=14Σm=1Mwi,m,]]>将右图像质量记为QsR=Σi=14Σm=1M|MSVDi,mR|×wi,mΣi=14Σm=1Mwi,m;]]>其中，各方向子带记为i，w_i,j是不同方向的各M级的对比灵敏度函数系数，wi,j=∫ab2.6×(0.0192+0.114f)×e[-(0.114f)1.1]b-a,]]>a、b分别表示频带区间的下线和上线，f表示小波变换的频率；⑦在接收端，根据和计算待评价的失真的左右视点图像相对于原始的左右视点图像的相似度度量，记为Q_s，其中，ω₁表示的权值，1-ω₁表示的权值；⑧在发送端，计算原始的左视点图像L_org和右视点图像R_org的绝对差值图像，记为对绝对差值图实施M级小波变换，得到各自对应的M个子带的系数矩阵，将实施第m级小波变换后得到的系数矩阵为1≤m≤M；⑨在接收端，计算待评价的失真立体图像的左视点图像L_dis和右视点图像R_dis的绝对差值图像，记为对绝对差值图实施M级小波变换，得到各自对应的M个子带的系数矩阵，将实施第m级小波变换后得到的系数矩阵为1≤m≤M；⑩在发送端，将分割成个尺寸大小为8×8的互不重叠的图像块，然后对的每一8×8块进行奇异值分解，将实施分块后得到的第e块的奇异值对角矩阵记为其中，W_m和H_m分别为的宽和高；对奇异值对角矩阵进行求和，得到奇异值对角矩阵对应的奇异值和，将实施奇异值对角矩阵求和得到的奇异值和记为将分割成个尺寸大小为8×8的互不重叠的图像块，然后分别对的每一8×8块进行奇异值分解，将实施分块后得到的第e块的左右奇异值正交矩阵分别记为用对角单位矩阵替换奇异值对角矩阵经过反变换得到原始和失真绝对差值图在剥除奇异值信息之后的残余信息图记其中，Λ为8×8的单位对角矩阵；对残余信息图提取残余信息图特征，记为其中，为原始绝对差值残余信息图的均值，为原始绝对差值残余信息图的方差；在接收端，将分割成个尺寸大小为8×8的互不重叠的图像块，然后对的每一8×8块进行奇异值分解，将实施分块后得到的第e块的奇异值对角矩阵记为其中，W_m和H_m分别为的宽和高，对奇异值对角矩阵进行求和，得到奇异值对角矩阵对应的奇异值和，将实施奇异值对角矩阵求和得到的奇异值和记为对原始绝对差值图像的和失真绝对差值图像的实施绝对差值计算，得到左图像第m子带第e块的奇异值特征距离记为δm,eD=|DSUMm,eorg-DSUMm,eids|;]]>将分别分割成个尺寸大小为8×8的互不重叠的图像块，然后对的每一8×8块进行奇异值分解，将实施分块后得到的第e块的左右奇异值正交矩阵分别记为用对角单位矩阵替换奇异值对角矩阵经过反变换得到原始和失真绝对差值图在剥除奇异值信息之后的残余信息图记其中，Λ为8×8的单位对角矩阵；对残余信息图提取残余信息图特征，记为其中，为失真绝对差值残余信息图的均值，为失真绝对差值残余信息图的方差；在接收端，对残余信息图和求取奇异值结构相似度，记为其中为原始的绝对差值残余信息图的特征值，为失真的绝对差值残余信息图的特征值；用奇异值结构相似度C_m,e对各子带的加权，得到绝对差值图像的立体感知质量因子记为MSVDmD=Σe=1Wm×Hm8×8|Cm,e×δm,eD-mid[Cm,e×δm,eD]|Wm×Hm8×8,]]>其中，表示m子带中各块经计算后的中值；在接收端，对绝对差值图像的各质量因子做对比敏感度加权，得立体感知质量记为Q_d，其中，各方向子带记为i，w_i,j是不同方向的各M级的对比灵敏度函数系数，wi,j=∫ab2.6×(0.0192+0.114f)×e[-(0.114f)1.1]b-a,]]>a、b分别表示频带区间的下线和上线，f表示小波变换的频率；在接收端，根据左右图像质量Q_s和立体感知质量Q_d计算待评价的失真的立体图像相对于原始的立体图像的度量分数，记为Q，Q=Q_s×Q_d^p，其中，p表示Q_d的权值系数。