当前位置: 首页 > 专利查询>天津大学专利>正文

基于稀疏表示的无参考立体图像质量客观评价方法技术

技术编号:14836186 阅读:97 留言:0更新日期:2017-03-17 03:51
本发明专利技术涉及一种基于稀疏表示的立体图像质量客观评价方法,包括:进行字典学习;得到失真图像差值图以及失真图像和值图;对立体图像库中的失真图像对进行稀疏表示;对和图和差图进行稀疏表示,得到相应的系数矩阵;对失真立体图像对左右图、和图以及差图稀疏表示后的系数矩阵分别进行求熵操作,得到各自的熵E;利用支持向量机SVM对图像库中图像对的熵及相应的主观评价值DMOS进行训练;得到相应的熵‑DMOS模型;对任意一组失真图像对,进行第一步至第四步操作,得到对应的熵;利用SVM对该图像对的客观预测值进行预测,到最终的客观预测值。本发明专利技术能够充分考虑双视点特性。

【技术实现步骤摘要】

本专利技术属图像处理领域,涉及一种无参考立体图像质量客观评价方法。
技术介绍
近年来,三维技术逐渐普及,步入大众生活,为观众带来了更好的视觉体验和临场感,但同时也对立体图像的质量提出了更高的要求。由于立体图像的不恰当处理可能会引起观看者的视觉疲劳与不适,因此十分有必要提出一种统一、客观、有效的立体图像质量评价方法对立体图像质量进行准确的预测。现有的立体图像质量评价方法主要包括基于平面图像质量参数的评价方法和基于人类视觉基本特性的评价方法两种。但是,基于平面图像质量参数的评价方法没有充分考虑人类视觉特性,缺少对立体信息有效利用,因而难以投入实践。现有的基于人类视觉基本特性的评价方法中最重要的一步是立体匹配,但是如何有效地提取立体信息,合理地进行匹配,仍然是立体图像领域关注的焦点。因此,很有必要建立一个以立体图像基本信息为基础,又充分考虑人类视觉特性的立体图像质量客观评价方法。此外,鉴于现有的立体图像质量评价方法需要原始的参考图像作为评价依据,因此具有很大的局限性,所以无参考(即不需要原始的参考图像对做评价依据)立体图像质量评价方法应运而生。
技术实现思路
本专利技术的目的在于提供一种充分考虑人类视觉特性的立体图像质量客观评价方法。本专利技术将立体图像对和图和差图与人类视觉系统的基本特性相结合,对立体图像质量做出更加全面、准确的客观评价。技术方案如下:一种基于稀疏表示的立体图像质量客观评价方法,每个失真立体图像对由左图和右图组成,设失真图像对为(tl,tr),包括以下步骤:第一步:奇异值分解算法K-SVD进行字典学习。第二步,模拟人眼的立体感双通道特性,将图像库中的所有失真图像对(tl,tr)进行相减取绝对值和求和取均值操作,得到失真图像差值图td以及失真图像和值图ts;第三步:对立体图像库中的失真图像对进行稀疏表示。第四步:利用正交匹配追踪算法OMP对第二步中得到的和图和差图进行稀疏表示,得到相应的系数矩阵Cs和Cd。第五步:对失真立体图像对左右图、和图以及差图稀疏表示后的系数矩阵分别进行求熵操作,得到各自的熵E。第六步:利用支持向量机SVM对图像库中图像对的熵及相应的主观评价值DMOS进行训练。具体如下,随机选择Q×80%幅图像对的熵和DMOS用于训练,得到相应的熵-DMOS模型。第七步:对任意一组失真图像对,进行第一步至第四步操作,得到对应的熵。根据第四步中得到的熵-DMOS模型,利用SVM对该图像对的客观预测值进行预测,到最终的客观预测值。本专利技术所提出的立体图像客观质量评价方法以立体图像稀疏表示系数为基础,以人类视觉特性为评价依据,把熵与视觉感知过程相结合,充分模拟了立体图像主观评价的过程,得到的立体图像质量客观评价结果与主观评价结果具有很高的一致性,能够较为准确的反映图像的质量。附图说明图1是本专利技术的流程框图。具体实施方式基于稀疏表示的立体图像质量客观评价方法,每个失真立体图像对由左图和右图组成,设失真图像对为(tl,tr),包括以下步骤:第一步:选取P幅m×n尺寸无失真的平面参考图像,每个图像分割为8×8的图像块M=[m/8]×[n/8]个,其中[x]表示不大于x的最大整数。并将每个8×8的图像块按列排成一列,标记为xi(64×1)。这样每个无失真参考图像都可以转换为(64×1)×M的二维矩阵。P幅无失真平面参考图像通过上述处理,可以得到一个64×(M×P)的二维矩阵。随后,根据公式(1),可以求得相应的字典D。在求解的过程中,字典的求解利用K-SVD算法,迭代次数设置为40次,字典稀疏基(原子)的数目为256。第二步:对立体图像库中的失真图像对进行稀疏表示。假定立体图像库中,图像对的总数目为Q,失真图像对左(右)图大小为m×n。利用第一步中得到的字典D,对每一组失真图像对的左、右图进行稀疏表示,求得相应的系数矩阵Cl和Cr。此过程中,采用的算法是OMP算法,迭代次数为14次。每组失真图相对的左(右)图系数矩阵的大小为256×([m/8]×[n/8])×14的三维矩阵。第三步,模拟人眼的立体感双通道特性,将图像库中的所有失真图像对(tl,tr)进行相减取绝对值和求和取均值操作,得到失真图像差值图td以及失真图像和值图ts。参照第二步,得到的和图和差图进行稀疏表示,得到相应的系数矩阵Cs和Cd第四步:对失真立体图像对左右图、和图以及差图稀疏表示后的系数矩阵分别进行求熵操作,得到各自的熵E。以和图为例,具体操作如下:用代表稀疏表示第i(1≤i≤14)次迭代中,第j(1≤j≤256)个稀疏基中系数的具体值。对应概率分布函数如下:根据香农公式,其熵如下:其中,k是稀疏基的个数,本专利技术中k=256。按照上述操作,分别求得每一组失真立体图像对左右图、和图以及差图的熵,每一组熵均为1×56的行向量。第五步:利用支持向量机(SVM)对图像库中图像对的熵及相应的主观评价值DMOS进行训练。具体如下,随机选择Q×80%幅图像对的熵和主观预测值(DMOS)用于训练,得到相应的熵-DMOS模型。第六步:对任意一组失真图像对,进行第一步至第四步操作,得到对应的熵。根据第四步中得到的熵-DMOS模型,利用SVM对该图像对的客观预测值进行预测,到最终的客观预测值。本文档来自技高网...
<a href="http://www.xjishu.com/zhuanli/55/201610915518.html" title="基于稀疏表示的无参考立体图像质量客观评价方法原文来自X技术">基于稀疏表示的无参考立体图像质量客观评价方法</a>

【技术保护点】
一种基于稀疏表示的立体图像质量客观评价方法,每个失真立体图像对由左图和右图组成,设失真图像对为(tl,tr),包括以下步骤:第一步:奇异值分解算法K‑SVD进行字典学习;第二步,模拟人眼的立体感双通道特性,将图像库中的所有失真图像对(tl,tr)进行相减取绝对值和求和取均值操作,得到失真图像差值图td以及失真图像和值图ts;第三步:对立体图像库中的失真图像对进行稀疏表示;第四步:利用正交匹配追踪算法OMP对第二步中得到的和图和差图进行稀疏表示,得到相应的系数矩阵Cs和Cd;第五步:对失真立体图像对左右图、和图以及差图稀疏表示后的系数矩阵分别进行求熵操作,得到各自的熵E;第六步:利用支持向量机SVM对图像库中图像对的熵及相应的主观评价值DMOS进行训练;具体如下,随机选择Q×80%幅图像对的熵和DMOS用于训练,得到相应的熵‑DMOS模型;第七步:对任意一组失真图像对,进行第一步至第四步操作,得到对应的熵。根据第四步中得到的熵‑DMOS模型,利用SVM对该图像对的客观预测值进行预测,到最终的客观预测值。

【技术特征摘要】
1.一种基于稀疏表示的立体图像质量客观评价方法,每个失真立体图像对由左图和右图组成,设失真图像对为(tl,tr),包括以下步骤:第一步:奇异值分解算法K-SVD进行字典学习;第二步,模拟人眼的立体感双通道特性,将图像库中的所有失真图像对(tl,tr)进行相减取绝对值和求和取均值操作,得到失真图像差值图td以及失真图像和值图ts;第三步:对立体图像库中的失真图像对进行稀疏表示;第四步:利用正交匹配追踪算法OMP对第二步中得到的和图和差图进行稀疏表示,得到相...

【专利技术属性】
技术研发人员:杨嘉琛林彦聪姜斌汪亚芳沈教勋
申请(专利权)人:天津大学
类型:发明
国别省市:天津;12

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1