本发明专利技术公开了一种基于结构纹理分离的立体图像质量客观评价方法，其首先分别对原始的无失真的立体图像的左视点图像和右视点图像、待评价的失真的立体图像的左视点图像和右视点图像实施结构纹理分离，获得各自的结构图像和纹理图像，再采用梯度相似性分别对左视点图像和右视点图像的结构图像进行评价，采用结构相似度分别对左视点图像和右视点图像的纹理图像进行评价，并通过融合获得待评价的失真的立体图像的图像质量客观评价预测值；优点在于分解得到的结构图像和纹理图像能够很好地表征图像结构和纹理信息对图像质量的影响，使得评价结果更加感觉符合人类视觉系统，从而有效地提高了客观评价结果与主观感知的相关性。
【技术实现步骤摘要】
【专利摘要】本专利技术公开了，其首先分别对原始的无失真的立体图像的左视点图像和右视点图像、待评价的失真的立体图像的左视点图像和右视点图像实施结构纹理分离，获得各自的结构图像和纹理图像，再采用梯度相似性分别对左视点图像和右视点图像的结构图像进行评价，采用结构相似度分别对左视点图像和右视点图像的纹理图像进行评价，并通过融合获得待评价的失真的立体图像的图像质量客观评价预测值；优点在于分解得到的结构图像和纹理图像能够很好地表征图像结构和纹理信息对图像质量的影响，使得评价结果更加感觉符合人类视觉系统，从而有效地提高了客观评价结果与主观感知的相关性。【专利说明】
本专利技术涉及一种图像质量评价方法，尤其是涉及。
技术介绍
随着图像编码技术和立体显示技术的迅速发展，立体图像技术受到了越来越广泛的关注与应用，已成为当前的一个研究热点。立体图像技术利用人眼的双目视差原理，双目各自独立地接收来自同一场景的左视点图像和右视点图像，通过大脑融合形成双目视差，从而欣赏到具有深度感和逼真感的立体图像。由于受到采集系统、存储压缩及传输设备的影响，立体图像会不可避免地引入一系列的失真，而与单通道图像相比，立体图像需要同时保证两个通道的图像质量，因此对其进行质量评价具有非常重要的意义。然而，目前对立体图像质量缺乏有效的客观评价方法进行评价。因此，建立有效的立体图像质量客观评价模型具有十分重要的意义。目前的立体图像质量客观评价方法是将平面图像质量评价方法直接应用于评价立体图像质量，或通过评价视差图的质量来评价立体图像的深度感知，然而，对立体图像进行融合产生立体感的过程并不是简单的平面图像质量评价方法的扩展，并且人眼并不直接观看视差图，以视差图的质量来评价立体图像的深度感知并不十分准确。因此，如何在立体图像质量评价过程中有效地对双目立体感知过程进行模拟，以及如何对不同失真类型对立体感知质量的影响机理进行分析，使得评价结果能够更加客观地反映人类视觉系统，都是在对立体图像进行客观质量评价过程中需要研究解决的问题。
技术实现思路
本专利技术所要解决的技术问题是提供一种能够有效地提高客观评价结果与主观感知的相关性的基于结构纹理分离的立体图像质量客观评价方法。本专利技术解决上述技术问题所采用的技术方案为:，其特征在于它的处理过程为:首先，分别对原始的无失真的立体图像的左视点图像和右视点图像、待评价的失真的立体图像的左视点图像和右视点图像实施结构纹理分离，获得各自的结构图像和纹理图像；其次，通过计算原始的无失真的立体图像的左视点图像的结构图像中的每个像素点与待评价的失真的立体图像的左视点图像的结构图像中对应像素点之间的梯度相似性，获取待评价的失真的立体图像的左视点图像的结构图像的图像质量客观评价预测值；同样，通过计算原始的无失真的立体图像的右视点图像的结构图像中的每个像素点与待评价的失真的立体图像的右视点图像的结构图像中对应像素点之间的梯度相似性，获取待评价的失真的立体图像的右视点图像的结构图像的图像质量客观评价预测值；接着，通过计算原始的无失真的立体图像的左视点图像的纹理图像中的每个尺寸大小为8X8的子块与待评价的失真的立体图像的左视点图像的纹理图像中对应尺寸大小为8X8的子块之间的结构相似度，获取待评价的失真的立体图像的左视点图像的纹理图像的图像质量客观评价预测值；同样，通过计算原始的无失真的立体图像的右视点图像的纹理图像中的每个尺寸大小为8X8的子块与待评价的失真的立体图像的右视点图像的纹理图像中对应尺寸大小为8X8的子块之间的结构相似度，获取待评价的失真的立体图像的右视点图像的纹理图像的图像质量客观评价预测值；再者，对待评价的失真的立体图像的左视点图像和右视点图像的结构图像的图像质量客观评价预测值进行融合，得到待评价的失真的立体图像的结构图像的图像质量客观评价预测值；同样，对待评价的失真的立体图像的左视点图像和右视点图像的纹理图像的图像质量客观评价预测值进行融合，得到待评价的失真的立体图像的纹理图像的图像质量客观评价预测值；最后，对待评价的失真的立体图像的结构图像和纹理图像的图像质量客观评价预测值进行融合，得到待评价的失真的立体图像的图像质量客观评价预测值。本专利技术的基于结构纹理分离的立体图像质量客观评价方法具体包括以下步骤:①令Sots表示原始的无失真的立体图像，令Sdis表示待评价的失真的立体图像，将Sorg的左视点图像记为{LOTg(x, y)}，将SOTg的右视点图像记为{R?g(χ, y)}，将Sdis的左视点图像记为lLdis(x, y)},将Sdis的右视点图像记为{Rdis(x, y)}，其中，(x, y)表示左视点图像和右视点图像中的像素点的坐标位直，l^x^W, l^y^H, W表不左视点图像和右视点图像的宽度，H表不左视点图像和右视点图像的闻度，LOTg(x，y)表不{Lorg (x, y)}中坐标位置为(x，y)的像素点的像素值，ROTg(x，y)表示{ROTg(x，y)}中坐标位置为(x, y)的像素点的像素值，Ldis(x，y)表示ILdis(x，y)}中坐标位置为(x，y)的像素点的像素值，Rdis(x，y)表示{Rdis(x, y)}中坐标位置为(x，y)的像素点的像素值；②分别对{Lorg(x, y)}、{Rorg (x, y)}、{Ldis (χ, y)}和{Rdis (x, y)}实施结构纹理分离，获得{LOTg (χ, y)}、{Rorg(x, y)} > {Ldis (x, y)}和{Rdis(x，y)}各自的结构图像和纹理图像,将ILorg(x, y)}的结构图像和纹理图像对应记为|/二(Aj)j和IRorg(x, y)}的结构图像和纹理图像对应记为和将{Ldis(x,y)}的结构图像和纹理图像对应记为P二(W)I和，将{Rdis(x, y)}的结构图像和纹理图像对应记为和其中，中坐标位置为(x，y)的像素点的像素值，表示中坐标位置为(x，y)的像素点的像素值，fZJx,y)表示(OkF)I中坐标位置为(x，y)的像素点的像素值，/|二“Jd表示中坐标位置为(X，y)的像素点的像素值，O,y)表示中坐标位置为(x，y)的像素点的像素值，/^(U)表示1中坐标位置为(x，y)的像素点的像素值，/^s(Λ-, V.)表示中坐标位置为(x,y)的像素点的像素值，/二(:，刃表示中坐标位置为(x，y)的像素点的像素值；③计算【权利要求】1.，其特征在于它的处理过程为: 首先，分别对原始的无失真的立体图像的左视点图像和右视点图像、待评价的失真的立体图像的左视点图像和右视点图像实施结构纹理分离，获得各自的结构图像和纹理图像； 其次，通过计算原始的无失真的立体图像的左视点图像的结构图像中的每个像素点与待评价的失真的立体图像的左视点图像的结构图像中对应像素点之间的梯度相似性，获取待评价的失真的立体图像的左视点图像的结构图像的图像质量客观评价预测值；同样，通过计算原始的无失真的立体图像的右视点图像的结构图像中的每个像素点与待评价的失真的立体图像的右视点图像的结构图像中对应像素点之间的梯度相似性，获取待评价的失真的立体图像的右视点图像的结构图像的图像质量客观评价预测值； 接着，通过计算原始的无失真的立体本文档来自技高网...
【技术保护点】
一种基于结构纹理分离的立体图像质量客观评价方法，其特征在于它的处理过程为：首先，分别对原始的无失真的立体图像的左视点图像和右视点图像、待评价的失真的立体图像的左视点图像和右视点图像实施结构纹理分离，获得各自的结构图像和纹理图像；其次，通过计算原始的无失真的立体图像的左视点图像的结构图像中的每个像素点与待评价的失真的立体图像的左视点图像的结构图像中对应像素点之间的梯度相似性，获取待评价的失真的立体图像的左视点图像的结构图像的图像质量客观评价预测值；同样，通过计算原始的无失真的立体图像的右视点图像的结构图像中的每个像素点与待评价的失真的立体图像的右视点图像的结构图像中对应像素点之间的梯度相似性，获取待评价的失真的立体图像的右视点图像的结构图像的图像质量客观评价预测值；接着，通过计算原始的无失真的立体图像的左视点图像的纹理图像中的每个尺寸大小为8×8的子块与待评价的失真的立体图像的左视点图像的纹理图像中对应尺寸大小为8×8的子块之间的结构相似度，获取待评价的失真的立体图像的左视点图像的纹理图像的图像质量客观评价预测值；同样，通过计算原始的无失真的立体图像的右视点图像的纹理图像中的每个尺寸大小为8×8的子块与待评价的失真的立体图像的右视点图像的纹理图像中对应尺寸大小为8×8的子块之间的结构相似度，获取待评价的失真的立体图像的右视点图像的纹理图像的图像质量客观评价预测值；再者，对待评价的失真的立体图像的左视点图像和右视点图像的结构图像的图像质量客观评价预测值进行融合，得到待评价的失真的立体图像的结构图像的图像质量客观评价预测值；同样，对待评价的失真的立体图像的左视点图像和右视点图像的纹理图像的图像质量客观评价预测值进行融合，得到待评价的失真的立体图像的纹理图像的图像质量客观评价预测值；最后，对待评价的失真的立体图像的结构图像和纹理图像的图像质量客观评价预测值进行融合，得到待评价的失真的立体图像的图像质量客观评价预测值。...
【技术特征摘要】
【专利技术属性】
技术研发人员：邵枫，李柯蒙，李福翠，
申请(专利权)人：宁波大学，
类型：发明
国别省市：浙江;33
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。