The invention provides a reference-free stereoscopic image quality evaluation method based on primary visual perception mechanism, which belongs to the field of image analysis technology. Firstly, the input stereo image pairs are transformed into gray information, which is used to simulate the monocular perception response based on channel separation and the binocular perception response optimized by feedback aggregation. Secondly, the monocular and binocular perceptual responses are used to simulate the classical and non-classical acceptance field responses in the primary visual cortex, and the probability statistical eigenvectors of the structure operator LBP are extracted from the two types of acceptance field response images. Then, support vector machine (SVM) is used to train the features, and the prediction model is obtained. The prediction model and the feature vectors corresponding to the test set are used to predict and evaluate the quality. This method has the characteristics of high subjective consistency, high database independence and high stability. It has shown a very competitive effect in dealing with a variety of complex distortion types and has a very strong application value.
【技术实现步骤摘要】
基于初级视觉感知机制的无参考立体图像质量评价方法
本专利技术涉及一种立体图像质量评价方法,特别涉及一种基于初级视觉感知机制的无参考立体图像质量评价方法,属于图像分析领域。
技术介绍
近些年来,随着科学技术的发展,立体图像产生和传播的成本变得越来越低,这使得立体图像作为一种优秀的信息传播的媒介,在我们的日常生活中变得越来越普遍,越来越不可缺少。然而,立体图像在场景采集、编码、网络传输、解码、后期处理、压缩存储和放映的各个阶段都会不可避免的引入失真,例如,在场景采集过程中由于设备参数设定、镜头晃动等因素引起的模糊失真;图像压缩存储引起的压缩失真等等。而失真的引入则会大大降低人们的视觉体验,严重的还会影响到人们的身心健康。如何遏制低质量立体图像的传播,保证人们的视觉体验,成为了一个亟待解决的问题。使立体图像产生和传播的媒体具有自动评价图像质量高低的能力,从而改善媒体输出端图像的质量,对于解决这个问题具有重要意义。具体来说,本研究具有以下应用价值:(1)可以嵌入实际的应用系统(比如视频的放映系统、网络传输系统等)中,实时的监控图像/视频的质量;(2)可以用于评价各种立体图像/视频处理算法、工具(比如立体图像的压缩编码、图像/视频采集工具等)的优劣;(3)可以用于立体图像/视频作品的质量审核,防止劣质图像制品危害观众的身心健康。综上所述,对于客观无参考立体图像质量评价模型的研究具有重要的理论价值和现实意义。本专利技术提出了一种基于初级视觉感知机制的无参考立体图像质量评价方法,其参考的已有理论和技术为Kruger等人提出的初级视觉皮层感知理论以及LBP概率统计特征提取 ...
【技术保护点】
1.基于初级视觉感知机制的无参考立体图像质量评价方法,其特征在于,包括以下步骤:步骤一、将输入的待测试立体图像对转化为灰度信息;步骤二、对左右视图灰度信息做进一步处理,得到左右视图的单目感知响应图像;步骤三、通过左、右视图灰度信息的结构相似度匹配得到模拟视差图,利用左右视图灰度信息和模拟视差图校正合成单眼图像;步骤四、对单眼图像进行信道分离和反馈聚合优化,得到单眼图像的双目感知响应图像;步骤五、基于初级视觉感知机制中的接受场效应,分别利用得到的单目和双目感知响应模拟初级视觉皮层中经典与非经典接受场响应图像,并对生成的两类接受场响应图像提取结构算子LBP的概率统计特征向量;步骤六、采用步骤一、步骤二、步骤三、步骤四和步骤五的方法对数据库中的每一幅彩色立体图像对进行处理,计算得到每一组立体图像对应的质量特征向量;然后利用基于学习的机器学习方法,在训练集上进行训练,在测试集上进行测试,把质量特征向量映射为对应的质量分数,利用现有的算法性能指标对算法的优劣进行评估。
【技术特征摘要】
1.基于初级视觉感知机制的无参考立体图像质量评价方法,其特征在于,包括以下步骤:步骤一、将输入的待测试立体图像对转化为灰度信息;步骤二、对左右视图灰度信息做进一步处理,得到左右视图的单目感知响应图像;步骤三、通过左、右视图灰度信息的结构相似度匹配得到模拟视差图,利用左右视图灰度信息和模拟视差图校正合成单眼图像;步骤四、对单眼图像进行信道分离和反馈聚合优化,得到单眼图像的双目感知响应图像;步骤五、基于初级视觉感知机制中的接受场效应,分别利用得到的单目和双目感知响应模拟初级视觉皮层中经典与非经典接受场响应图像,并对生成的两类接受场响应图像提取结构算子LBP的概率统计特征向量;步骤六、采用步骤一、步骤二、步骤三、步骤四和步骤五的方法对数据库中的每一幅彩色立体图像对进行处理,计算得到每一组立体图像对应的质量特征向量;然后利用基于学习的机器学习方法,在训练集上进行训练,在测试集上进行测试,把质量特征向量映射为对应的质量分数,利用现有的算法性能指标对算法的优劣进行评估。2.如权利要求1所述的基于初级视觉感知机制的无参考立体图像质量评价方法,其特征在于:所述步骤一中,立体图像对为RGB三个颜色通道的信息集合,采用RGB颜色空间变换,将三通道信息转化为单通道的灰度信息。3.如权利要求1所述的基于初级视觉感知机制的无参考立体图像质量评价方法,其特征在于:所述步骤二中,单目感知响应图像通过左、右视图灰度信息的ON/OFF信道分离处理方法得到。4.如权利要求3所述的基于初级视觉感知机制的无参考立体图像质量评价方法,其特征在于:利用对左、右视图灰度信息的ON/OFF信道分离处理方法获得单目感知响应图像的计算过程如下:其中,ML-ON和ML-OFF分别表示左视图的ON通道和OFF通道单目感知响应图像,MR-ON和MR-OFF分别表示右视图的ON通道和OFF通道单目感知响应图像,IL(i)代表左视图灰度图,IR(i)代表右视图灰度图,i=(x,y)表示空间坐标位置,代表线性卷积操作运算符,gON和gOFF分别代表ON和OFF信道分离处理操作的滤波器,表示如下:其中,σON/OFF代表ON或OFF通道下的卷积函数的尺度参数。5.如权利要求1所述的基于初级视觉感知机制的无参考立体图像质量评价方法,其特征在于:所述步骤三中,合成单眼图像的计算方法如下:其中,CI代表合成的单眼图像,ε[IL(i)]和ε[IR(i+d)]分别代表立体图像对左视图和经过视差校正的右视图的灰度图的信息熵,d代表在位置i处的视差,α代表一个常量来确保加权过程的稳定性,z是像素值,Z表示像素值的取值范围,p(·)是像素分布概率函数。6.如权利要求1所述的基于初级视觉感...
【专利技术属性】
技术研发人员:刘利雄,张久发,黄华,
申请(专利权)人:北京理工大学,
类型:发明
国别省市:北京,11
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。