一种基于视觉保真度的立体图像质量客观评价方法技术

本发明专利技术公开了一种基于视觉保真度的立体图像客观质量评价方法，其在训练阶段，选多幅原始的无失真立体图像构成训练图像集，通过区域检测确定无失真立体图像中的像素点属于遮挡区域或匹配区域，并通过无监督学习方式对训练图像集构造单目视觉字典表和双目视觉字典表；在测试阶段，对测试立体图像和其原始的无失真立体图像，根据单目视觉字典表和双目视觉字典表，估计测试立体图像和对应的无失真立体图像中属于遮挡区域和匹配区域的每个子块的稀疏系数矩阵，并通过稀疏系数矩阵来计算单目图像质量客观评价预测值和双目图像质量客观评价预测值，并最终结合得到图像质量客观评价预测值；优点是得到的图像质量客观评价预测值与主观评价值的一致性较好。

【技术实现步骤摘要】

本专利技术涉及一种图像质量评价方法，尤其是涉及一种基于视觉保真度的立体图像质量客观评价方法。
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。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。由于影响立体图像质量的因素较多，如左视点和右视点质量失真情况、立体感知情况、观察者视觉疲劳等，因此如何有效地进行立体图像质量评价是亟需解决的难点问题。目前已有方法是通过机器学习来预测评价模型，但其计算复杂度较高，并且训练模型需要预知各评价图像的主观评价值，并不适用于实际的应用场合，存在一定的局限性。稀疏表示将信号在已知的函数集上进行分解，力求在变换域上用尽量少的基函数来对原始信号进行逼近。稀疏表示的一个关键问题就是如何有效地构造字典来表征图像的本质特征。目前已提出的字典构造算法包括：1)有学习过程的字典构造方法：通过机器学习来训练得到字典信息，如支持向量机等；2)无学习过程的字典构造方法：直接利用图像的特征来构造字典，如多尺度Gabor字典、多尺度高斯字典等。因此，如何进行无学习过程的字典构造，如何根据字典来进行质量估计，如何从字典中提取反映图像保真度的视觉特征，都是在立体图像质量评价研究中需要重点解决的技术问题。
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基于视觉保真度的立体图像质量客观评价方法，其计算复杂度低，且能够有效地提高客观评价结果与主观感知之间的相关性。本专利技术解决上述技术问题所采用的技术方案为：一种基于视觉保真度的立体图像质量客观评价方法，其特征在于包括训练阶段和测试阶段两个过程，所述的训练阶段包括以下步骤：①-1、选取N幅原始的无失真立体图像构成训练图像集，记为{Si,org|1≤i≤N本文档来自技高网...

【技术保护点】
一种基于视觉保真度的立体图像质量客观评价方法，其特征在于包括训练阶段和测试阶段两个过程，所述的训练阶段包括以下步骤：①‑1、选取N幅原始的无失真立体图像构成训练图像集，记为{Si,org|1≤i≤N}，其中，N>1，Si,org表示{Si,org|1≤i≤N}中的第i幅原始的无失真立体图像；①‑2、利用区域检测算法，判定{Si,org|1≤i≤N}中的每幅原始的无失真立体图像的左视点图像和右视点图像中的每个像素点属于遮挡区域还是属于匹配区域；①‑3、采用Gabor滤波器，获取{Si,org|1≤i≤N}中的每幅原始的无失真立体图像的左视点图像和右视点图像中的每个像素点在不同中心频率和不同方向因子下的频率响应；然后根据{Si,org|1≤i≤N}中的每幅原始的无失真立体图像的左视点图像中的每个像素点在不同中心频率和不同方向因子下的频率响应，获取{Si,org|1≤i≤N}中的每幅原始的无失真立体图像的左视点图像中的每个像素点在不同中心频率和不同方向因子下的振幅；同样，根据{Si,org|1≤i≤N}中的每幅原始的无失真立体图像的右视点图像中的每个像素点在不同中心频率和不同方向因子下的频率响应，获取{Si,org|1≤i≤N}中的每幅原始的无失真立体图像的右视点图像中的每个像素点在不同中心频率和不同方向因子下的振幅；并且，根据{Si,org|1≤i≤N}中的每幅原始的无失真立体图像的左视点图像和右视点图像中的每个像素点在不同中心频率和不同方向因子下的频率响应，获取{Si,org|1≤i≤N}中的每幅原始的无失真立体图像的左视点图像和右视点图像中的每个像素点在不同中心频率、不同方向因子和不同相位偏移下的振幅；①‑4、对{Si,org|1≤i≤N}中的每幅原始的无失真立体图像的左视点图像和右视点图像进行非重叠的分子块处理；然后采用K‑SVD方法，对由{Si,org|1≤i≤N}中的所有原始的无失真立体图像的左视点图像和右视点图像中属于遮挡区域的所有子块各自的特征向量构成的特征向量集合进行字典训练操作，获得{Si,org|1≤i≤N}的单目视觉字典表，记为Dnc，其中，j的初始值为1，K表示设定的字典的总个数，K≥1，表示Dnc中的第j个视觉字典，属于遮挡区域的任一个子块为该子块中有属于遮挡区域的像素点，属于遮挡区域的任一个子块的特征向量为该子块中的所有像素点在所有中心频率和方向因子下的振幅按该子块中的每个像素点的坐标位置的先后顺序排列构成；同样，采用K‑SVD方法，对由{Si,org|1≤i≤N}中的所有原始的无失真立体图像的左视点图像和右视点图像中属于匹配区域的所有子块各自的特征向量构成的特征向量集合进行字典训练操作，获得{Si,org|1≤i≤N}的双目视觉字典表，记为Dbf，其中，j的初始值为1，K表示设定的字典的总个数，K≥1，表示Dbf中的第j个视觉字典，属于匹配区域的任一个子块为该子块中没有属于遮挡区域的像素点，属于匹配区域的任一个子块的特征向量为该子块中的所有像素点在所有中心频率、方向因子和相位偏移下的振幅按该子块中的每个像素点的坐标位置的先后顺序排列构成；所述的测试阶段包括以下步骤：②对于任意一副测试立体图像Stest，将Stest对应的原始的无失真立体图像记为Sorg；按照步骤①‑2至步骤①‑3的过程，以相同的操作获取Stest和Sorg各自的左视点图像和右视点图像中的每个像素点在不同中心频率和不同方向因子下的振幅，并获取Stest和Sorg各自的左视点图像和右视点图像中的每个像素点在不同中心频率、不同方向因子和不同相位偏移下的振幅；将Stest的左视点图像和右视点图像中属于遮挡区域的所有子块各自的特征向量构成一个特征向量集合，将Sorg的左视点图像和右视点图像中属于遮挡区域的所有子块各自的特征向量构成一个特征向量集合，属于遮挡区域的任一个子块为该子块中有属于遮挡区域的像素点，属于遮挡区域的任一个子块的特征向量为该子块中的所有像素点在所有中心频率和方向因子下的振幅按该子块中的每个像素点的坐标位置的先后顺序排列构成；将Stest的左视点图像和右视点图像中属于匹配区域的所有子块的特征向量构成一个特征向量集合，将Sorg的左视点图像和右视点图像中属于匹配区域的所有子块的特征向量构成一个特征向量集合，属于匹配区域的任一个子块为该子块中没有属于遮挡区域的像素点，属于匹配区域的任一个子块的特征向量为该子块中的所有像素点在所有中心频率、方向因子和相位偏移下的振幅按该子块中的每个像素点的坐标位置的先后顺序排列构成；根据训练阶段得到的{Si,org|1≤i≤N}的单目视觉字典表Dnc，获取遮挡区域相关的两个特征向量集合中的每个特征向量的稀疏系数矩阵；并根据训练阶段得到的{Si,org|1≤i≤N}的双目视觉字典表Dbf，获取匹配...

【技术特征摘要】
1.一种基于视觉保真度的立体图像质量客观评价方法，其特征在于包括训练阶段
和测试阶段两个过程，所述的训...

【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