基于自回归局部图像描述的3D合成图像质量评价方法技术

基于自回归局部图像描述的3D合成图像质量评价方法属于图像和视频质量评价的方法，利用自回归建模方法建立质量评价模型，实现对3D合成图像的有效评价。随着科技的进步，基于深度的图像绘制(DIBR)技术得到越来越广泛的应用，如自由视角视频和3D电视等。DIBR技术可以根据已有的多视角图像合成新视角下的图像，从而减少自由视角视频的拍摄费用和难度。然而合成图像过程中难以避免产生几何失真，目前所有的图像质量评价方法均难以有效评价几何失真图像。实验结果表明，通过计算合成图像与回归模型之间的重构误差可以有效识别几何失真。本发明专利技术填补了DIBR图像无参考质量评价技术方面的空白，促进了3D技术的发展。

3D synthetic image quality evaluation method based on Autoregressive local image description

Synthesis method of 3D image quality evaluation method of autoregressive local image descriptor belongs to image and video quality assessment based on the autoregressive modeling method to establish the quality evaluation model, realize the effective evaluation of 3D image synthesis. With the progress of science and technology, depth based image rendering (DIBR) technology has been more and more widely used, such as free angle video and 3D tv. DIBR technology can synthesize images from the new view according to the existing multi view images, thus reducing the shooting cost and difficulty of the free angle video. However, geometric distortion is difficult to avoid in the process of synthesizing images. At present, all the image quality evaluation methods are difficult to effectively evaluate geometric distortion images. The experimental results show that the geometric error can be effectively recognized by calculating the reconstructed error between the synthesized image and the regression model. The invention fills in the blank of the DIBR image without reference quality evaluation technology, and promotes the development of the 3D technology.

【技术实现步骤摘要】
基于自回归局部图像描述的3D合成图像质量评价方法
本专利技术属于图像和视频质量评价的方法，利用自回归建模方法建立质量评价模型，实现对3D合成图像的有效评价。
技术介绍
二十一世纪以来，图像和视频逐渐成为人们获取信息、沟通交流的重要途径，全世界每年产生数百亿张数字照片和数亿段视频，而伴随着3G技术的普及和4G时代的开启，基于3D技术的虚拟现实等全视角视频是科技发展的必然趋势。在制作自由视角视频过程中，需要使用基于深度的图像绘制(DIBR)技术，根据临近的多个视角图像产生新的视角下的图像。DIBR技术生成合成图像主要分为两步：首先通过每个像素的深度信息在3D空间重新产生新的结构信息；然后将3D空间点延伸到2D像平面产生虚拟照相机，通过虚拟照相机产生新视角下的图像。DIBR技术的应用可以有效减少自由视角视频拍摄过程中使用摄像机的数量，降低视频拍摄难度，但合成图像的过程中不可避免会产生几何畸变。几何畸变与自然图像中发生的畸变(如模糊、块效应和细节丢失等)具有不同的特征，严重的几何畸变会降低多视角视频的观看效果。因此，需要一种图像质量评价方法有效识别DIBR图像中的几何畸变。目前已有的质量评价本文档来自技高网...

【技术保护点】
基于自回归局部图像描述的3D合成图像质量评价方法，其特征在于包括以下步骤：第一步、建立自回归模型；第二步、计算自回归参数；第三步、计算图像与自回归模型预测值之间的误差；第四步、二值化误差，将误差根据阈值变为0和1；第五步、根据二值化误差计算图像质量得分；第一步中：自回归模型建立方法如下：对于图像I中一个像素，定义其位置指标为i，值为zi，则构造该像素与其周边像素的关系为：zi＝Rσ(zi)q+di  (1)其中Rσ(zi)为像素zi周边面积为

【技术特征摘要】
1.基于自回归局部图像描述的3D合成图像质量评价方法，其特征在于包括以下步骤：第一步、建立自回归模型；第二步、计算自回归参数；第三步、计算图像与自回归模型预测值之间的误差；第四步、二值化误差，将误差根据阈值变为0和1；第五步、根据二值化误差计算图像质量得分；第一步中：自回归模型建立方法如下：对于图像I中一个像素，定义其位置指标为i，值为zi，则构造该像素与其周边像素的关系为：zi＝Rσ(zi)q+di(1)其中Rσ(zi)为像素zi周边面积为的区域内σ个像素的值组成的矢量；q＝(q1,q2,…,qσ)T为自回归参数矢量，(q1,q2,…,qσ)分别对应周边σ个像素的参数，一个像素有一个参数；T表示转置；di为当前像素值与相应的自回归预测值之间的误差；其中设定σ值为8；第二步中：自回归参数计算方法如下：为了计算合适的自回归参数，首先将线性系统转换为矩阵形式：其中z＝(zi,1,zi,2,…,zi,φ)T，(zi,1,zi,2,…,zi,φ)为以像素xi为中心的区域内的φ个像素的值；X为φ行σ列的矩阵；Z的第j行向量表达...

【专利技术属性】
技术研发人员：乔俊飞，栗三一，顾锞，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京,11