The invention relates to a no reference quality assessment method of stereoscopic images based on entropy, double view includes: the distorted image of two-dimensional Gabor filter respectively, and get the right weighting factor; weighted arithmetic, distortion visual perceptual map image on the dictionary using K; SVD; OMP method using sparse said, get the coefficient matrix corresponding C coefficient matrix; said after C for the operation of the visual perception entropy image sparse; using SVM images of the entropy and the corresponding subjective evaluation value of DMOS training, DMOS model entropy corresponding. The present invention can fully take into account the characteristics of dual viewpoint.
【技术实现步骤摘要】
本专利技术属图像处理领域,涉及基于熵的双视点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克服现有技术的上述不足,提供一种能够充分考虑双视点特性的无参考立体图像质量客观评价方法;本专利技术的技术方案如下:一种基于熵的双视点无参考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:模拟人类视觉特性,对失真图像对的左图和右图分别进行二维Gabor滤波,得到左图和右图的加权因子:WL(x,y)和WR((x+d), ...
【技术保护点】
一种基于熵的双视点无参考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:模拟人类视觉特性,对失真图像对的左图和右图分别进行二维Gabor滤波,得到左图和右图的加权因子:WL(x,y)和WR((x+d),y),其中,(x,y)为像素点坐标,d表示对右图进行视差补偿的像素点横坐标差值;第二步:将失真图像对(tl,tr)进行加权运算,得到失真图像对的视觉感知图V(x,y);第三步:利用奇异值分解算法K‑SVD进行字典学习;第四步:利用正交匹配追踪算法OMP对V(x,y)进行稀疏表示,得到相应的系数矩阵C;第五步:对视觉感知图像V(x,y)稀疏表示后的系数矩阵C进行求熵操作,得到其熵E;第六步:对立体图像库中的每一组失真图像对进行第一步至第五步操作,设立体图像库中有Q组立体图像对,可以得到Q组图像对各自的熵E;第七步: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;第八步:对任意一组失真图像对,进行第一步至第五 ...
【技术特征摘要】
1.一种基于熵的双视点无参考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:模拟人类视觉特性,对失真图像对的左图和右图分别进行二维Gabor滤波,得到左图和右图的加权因子:WL(x,y)和WR((x+d),y),其中,(x,y)为像素点坐标,d表示对右图进行视差补偿的像素点横坐标差值;第二步:将失真图像对(tl,tr)进行加权运算,得到失真图像对的视觉感知图V(x,y);第三步:利用奇异值分解算法K-SVD进行字典学习;第四步:利用正交匹配追踪算法OMP对V(x,y)进行稀疏表示,得到相应的...
【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
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。