基于网格与韦泊统计特性的无参考立体图像质量评价方法技术

本发明专利技术涉及一种基于网格与韦泊统计特性的无参考立体图像质量评价方法，步骤如下：计算失真立体图像对的视差图及进行左视点图和右视点图融合；对失真立体图像对的左视点图、右视点图、合成图和视差图均进行两次降采样；提取左右视图、合成图和视差图以及对其进行一次、两次降采样后各图中的特征；将失真立体图像对的左视点图、右视点图、合成图和视差图及其进行一次降采样和两次降采样后的各图转换到梯度域，再从各个梯度域中提取韦泊分布的形状参数和尺度参数特征；从失真立体图像对的左视点图、右视点图、合成图和视差图的各图中提取网格图，再从各个网格图中提取网格强度和网格规律性特征；建立回归模型，预测图像质量。

【技术实现步骤摘要】
基于网格与韦泊统计特性的无参考立体图像质量评价方法
本专利技术属于图像处理领域，具体是立体图像质量的客观评价系统，涉及应用网格特征和韦泊统计特性在立体图像上的客观图像评价方法。
技术介绍
随着多媒体信息时代的到来，以图像和视频为代表的数字信号正影响并改变着人们的生活和工作方式。成像技术及显示设备的快速发展和立体图像的普及极大地提高了用户的视觉质量体验。但是图像在处理、存储和传输中难免会产生不同程度及不同类型的失真，严重影响了人们对图像的理解，同时也影响图像信息的提取，因此，建立有效的图像质量评价机制至关重要。客观图像质量评价分为全参考图像质量评价(FR-IQA)、部分参考图像质量评价(RR-IQA)和无参考图像质量评价(NR-IQA)，现今的无参考立体图像质量评价中,最直接的方法就是采用平面图像质量评价方法的统计特征分别对左右视点图进行评价,最后取均值预测立体图像的质量,但此类方法并没有考虑到人类复杂的视觉感知机理,因此评价性能较差。合成图[1]融入视觉感知的视差信息，使得立体图像质量客观评价与主观评价一致性更高。因此，本专利技术提出分别在左右视图、视差图和合成图上提取特征，进行立体图像质量评价。[1]ChenMJ,SuCC,KwonDK,etal.Full-referencequalityassessmentofstereopairsaccountingforrivalry[J].SignalProcessing:ImageCommunication,2013,28(9):1143-1155.
技术实现思路
本专利技术的目的在于针对失真立体图像质量评价问题，提出一种可以获得更好的立体图像质量评价效果的无考立体图像质量评价方法。本专利技术提出先对左右视图、合成图和视差图作两次降采样，在降采样前和降采样后的各梯度图中使用韦泊分布提取图像的形状参数和尺度参数特征；并提取降采样前和降采样后各图的网格图，在各网格图中提取网格强度和网格规律性特征，最后将所有特征输入SVR中建立模型，以预测包括非对称失真图像的混合失真立体图像质量。进行立体图像质量评价的方法。技术方案如下：一种基于网格与韦泊统计特性的无参考立体图像质量评价方法，步骤如下：1).计算失真立体图像对的视差图及进行左视点图和右视点图融合对失真立体图像，由左视点图和右视点图计算出左视差，用左视点图和左视差相加得视差图，再由左视点图和视差图通过归一化Gabor滤波能量响应得到图像权重，根据图像权重来合成合成图；2).对失真立体图像对的左视点图、右视点图、合成图和视差图均进行两次降采样；3).提取左右视图、合成图和视差图以及对其进行一次、两次降采样后各图中的特征将失真立体图像对的左视点图、右视点图、合成图和视差图及其进行一次降采样和两次降采样后的各图转换到梯度域，再从各个梯度域中提取韦泊分布的形状参数和尺度参数特征，每一幅梯度图的韦泊分布形状和尺度参数可由韦泊分布在此梯度图的概率密度函数得到；从失真立体图像对的左视点图、右视点图、合成图和视差图的各图中提取网格图，再从各个网格图中提取网格强度和网格规律性特征，方法是：从每幅图像的灰度图中分别计算水平边缘和垂直边缘，然后经滤波处理生成水平网格和垂直网格，水平网格和垂直网格相加得到网格图，网格强度是对网格图的不同图像敏感区赋予不同权值并对其进行加权求和得到，网格规律性是通过加权函数对网格图像加权和归一化处理，再计算其付里叶变换域的功率谱得到，共提取特征数为48个；4).建立回归模型，预测图像质量将立体失真图像数据库里的图像分为测试集和训练集，将从训练集失真图像中提取到的上述特征与相应主观分数值输入到支持向量回归中构建特征向量与主观评分值之间的映射关系进行训练，获得训练模型，再利用得到的关系回归模型对测试集失真图像的质量进行预测，从而实现图像质量评价。本专利技术方法具有以下优点：(1)本专利技术方法与主观立体图像质量评价一致性高。优于目前大多数主流算法。(2)与平面图像质量评价不同，本专利技术考虑了立体图像特有的视差信息，提出从合成图和视差图中提取特征，实验结果表明本专利技术能达到很高立体图像质量预测准确性。附图说明图1算法流程图图2左右视图融合过程具体实施方式本专利技术提出一种基于在失真立体图像的左右视图、合成图和视差图及其降采样后的各图上提取韦泊统计特征和网格特征的无参考图像质量评价方法。为使本专利技术的技术方案更加清楚，下面对本专利技术具体实施方式做进一步地描述。1.视差图计算和左右视点图融合出现不同程度及不同类型失真后，由于视差信息的存在，立体图像的客观质量无法仅通过左右视图质量的均值得到，融合视差信息的立体图像有别于平面图像，左右视图融合得到的合成图主要考虑视差信息。因此本专利技术对左右视图作如下处理，左右视图进行Gabor滤波，二维复Gabor滤波定义如下：其中R1＝xccsθ+ysinθ,R2＝-sinθ+ycosθ。σx，σy是标准差，ζx，ζy为空间频率，其值设为3.67cycle/degree，θ是滤波方向。设置Gabor滤波器参数，四个方向(水平、垂直、两对角线)的幅值响应能量之和作为局部能量，能量响应值分别为GEL，GER。左右权重的计算是通过归一化Gabor滤波能量响应赋值得到，定义为：如图2，本专利技术将合成图定义为：C(x,y)＝wL(x,y)·IL(x,y)+wR(x+d,y)·IR(x+d,y)(4)其中，C表示合成图，IL和IR表示左右视点图，d为视差，WL和WR为左右权重，对于立体图像的质量评价,本专利技术利用了左右视图的视差信息来合成合成图，为提取特征作准备。每个像素点的d合成视差图。2.韦泊统计特征本韦泊分布与人类对图像的视觉有很强的相关性，而模糊图像的GM遵循韦泊分布，人类视觉系统与韦泊分布的形状和尺度参数相关度高。这两个参数能够精确的描述图像的空间一致性和复杂度。灰度图像在位置(i,j)处的GM计算如下：*为卷积符号，px和py分别表示在位置(i,j)处沿水平和垂直方向的Prewitt滤波器。定义如下：(6)韦泊分形状和尺度参数可由其概率密度函数得到，韦泊分布的的概率密度函数如下：η和β分别表示形状和尺度参数，η代表分布的宽度，β是指分布的峰值。η能够反映局部对比度，而局部对比度变化影响人眼对图像质量的感知；β对局部边缘空间频率比较敏感。可以用η和β两个参数描述图像失真。3.网格强度和网格规律性但是仅仅是η和β参数还不能很好地描述图像受结构等失真的影响，因此提取网格特征描述图像结构和边缘等特征，以达到更好的图像质量预测效果，具体如下。1).网格图像首先提取灰度图像边缘，利用二阶差分计算水平及垂直边缘：Dh(x,y)＝|2I(x,y)-I(x-1,y)-I(x+1,y)|(8)Dv(x,y)＝|2I(x,y)-I(x,y-1)-I(x,y+1)|(9)I(x,y)为灰度图像。边缘像素跳变会引起图像失真，在较为平坦区域，边缘像素较弱，边缘像素变化往往不易察觉，本专利技术采用每33列相累加以增强较弱边缘信号：为了获得较均衡化的幅度，用上式减去局部中值：Eh(x,y)＝Ea(x,y)-median({Ea(i,y)|x-16≤i≤x+16})(12)Ev(x,y)＝Eb(x,y)-median({Eb(x,j)|y-16≤j≤本文档来自技高网...

【技术保护点】
一种基于网格与韦泊统计特性的无参考立体图像质量评价方法，步骤如下：1).计算失真立体图像对的视差图及进行左视点图和右视点图融合对失真立体图像，由左视点图和右视点图计算出左视差，用左视点图和左视差相加得视差图，再由左视点图和视差图通过归一化Gabor滤波能量响应得到图像权重，根据图像权重来合成合成图；2).对失真立体图像对的左视点图、右视点图、合成图和视差图均进行两次降采样；3).提取左右视图、合成图和视差图以及对其进行一次、两次降采样后各图中的特征将失真立体图像对的左视点图、右视点图、合成图和视差图及其进行一次降采样和两次降采样后的各图转换到梯度域，再从各个梯度域中提取韦泊分布的形状参数和尺度参数特征，每一幅梯度图的韦泊分布形状和尺度参数可由韦泊分布在此梯度图的概率密度函数得到；从失真立体图像对的左视点图、右视点图、合成图和视差图的各图中提取网格图，再从各个网格图中提取网格强度和网格规律性特征，方法是：从每幅图像的灰度图中分别计算水平边缘和垂直边缘，然后经滤波处理生成水平网格和垂直网格，水平网格和垂直网格相加得到网格图，网格强度是对网格图的不同图像敏感区赋予不同权值并对其进行加权求和得到，网格规律性是通过加权函数对网格图像加权和归一化处理，再计算其付里叶变换域的功率谱得到，共提取特征数为48个；4).建立回归模型，预测图像质量将立体失真图像数据库里的图像分为测试集和训练集，将从训练集失真图像中提取到的上述特征与相应主观分数值输入到支持向量回归中构建特征向量与主观评分值之间的映射关系进行训练，获得训练模型，再利用得到的关系回归模型对测试集失真图像的质量进行预测，从而实现图像质量评价。...

【技术特征摘要】
1.一种基于网格与韦泊统计特性的无参考立体图像质量评价方法，步骤如下：1).计算失真立体图像对的视差图及进行左视点图和右视点图融合对失真立体图像，由左视点图和右视点图计算出左视差，用左视点图和左视差相加得视差图，再由左视点图和视差图通过归一化Gabor滤波能量响应得到图像权重，根据图像权重来合成合成图；2).对失真立体图像对的左视点图、右视点图、合成图和视差图均进行两次降采样；3).提取左右视图、合成图和视差图以及对其进行一次、两次降采样后各图中的特征将失真立体图像对的左视点图、右视点图、合成图和视差图及其进行一次降采样和两次降采样后的各图转换到梯度域，再从各个梯度域中提取韦泊分布的形状参数和尺度参数特征，每一幅梯度图的韦泊分布形状和尺度参数可由韦泊分布在此梯度图的概率密度函数得到；从失真立体图...

【专利技术属性】
技术研发人员：侯春萍，林洪湖，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12