The invention discloses a method for binocular stereo image quality assessment based on information processing, the simple cell information matrix by complex wavelet transform, then according to the complex wavelet transform coefficients converge into complex cell information matrix; then evaluate the two aspects in the complex cell information matrix based on a binocular fusion is a complex cell the information matrix obtained binocular image fusion, then according to the human eye has different visual sensitivity to binocular information of different frequencies, and finally get the binocular fusion image quality evaluation; the two is to extract information from the stereo perception of complex cell information matrix, considering from the angle combined with binocular parallax masking, influenced the human will be the background brightness and texture masking and spatial contrast sensitivity in visual perception in the process of obtaining quality stereo visual perception evaluation Finally, combining the two parts of the evaluation, the final stereo image quality evaluation results are obtained. The evaluation results are in good agreement with the subjective perception performance of human eyes.
【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双目信息处理的立体图像质量评价方法。
技术介绍
随着多媒体通信技术和图像处理显示技术的飞速发展，立体图像已经开始慢慢融入人类社会生活中，如应用于相机、手机、影视等。但是，立体图像在图像采集、压缩、编码、传输、显示等过程中都会引起不同程度和类型的失真，因而在这些环节中如何评价立体图像的质量已成为图像领域的关键问题；此外，立体图像质量评价在塑造大多数的处理算法和系统中起着核心作用。目前，立体图像质量评价的方法大致可以分成三类：第一类主要是基于2D的评价方法；第二类是在基于2D的评价方法的基础上，再结合其他一些信息，如深度或视差信息等；第三类是依靠3D方面的信息来评价。其中，基于2D的评价方法中常用的方法是直接采用经典的平面图像质量评价方法来评价立体图像质量的方法，由于立体图像和平面图像最大的区别就是立体图像具有深度感、临场感，然而该方法缺乏考虑立体图像的深度感知问题，因此该方法的客观质量评价结果与主观感知之间的一致性不是很好。
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双目信息处理的立体图像质量评价方法，其能够有效地提高客观质量评价结果与主观感知之间的一致性。本专利技术解决上述技术问题所采用的技术方案为：一种基于双目信息处理的立体图像质量评价方法，其特征在于总体处理过程为：令Lorg表示原始的无失真的立体图像的左视点图像的亮度图，...
【技术保护点】
一种基于双目信息处理的立体图像质量评价方法，其特征在于总体处理过程为：令Lorg表示原始的无失真的立体图像的左视点图像的亮度图，令Rorg表示原始的无失真的立体图像的右视点图像的亮度图，令Ldis表示待评价的失真的立体图像的左视点图像的亮度图，令Rdis表示待评价的失真的立体图像的右视点图像的亮度图；对Lorg、Rorg、Ldis和Rdis分别实施M级复小波变换，得到的系数矩阵作为简单细胞信息矩阵，其中，1≤M≤5；根据Lorg、Rorg、Ldis和Rdis各自对应的简单细胞信息矩阵获取对应的复杂细胞信息矩阵；根据Lorg和Rorg各自对应的复杂细胞信息矩阵，获取原始的无失真的立体图像对应的双目融合图，并根据Ldis和Rdis各自对应的复杂细胞信息矩阵，获取待评价的失真的立体图像对应的双目融合图；根据原始的无失真的立体图像对应的双目融合图和待评价的失真的立体图像对应的双目融合图，获取待评价的失真的立体图像相对于原始的无失真的立体图像的双目融合质量评价指标值；根据Lorg和Rorg各自对应的复杂细胞信息矩阵，获取原始的无失真的立体图像对应的立体视觉图，并根据Ldis和Rdis各自对应的复...
【技术特征摘要】
1.一种基于双目信息处理的立体图像质量评价方法，其特征在于总体处理过程为：
令Lorg表示原始的无失真的立体图像的左视点图像的亮度图，令Rorg表示原始的无失真
的立体图像的右视点图像的亮度图，令Ldis表示待评价的失真的立体图像的左视点图像
的亮度图，令Rdis表示待评价的失真的立体图像的右视点图像的亮度图；对Lorg、Rorg、
Ldis和Rdis分别实施M级复小波变换，得到的系数矩阵作为简单细胞信息矩阵，其中，
1≤M≤5；根据Lorg、Rorg、Ldis和Rdis各自对应的简单细胞信息矩阵获取对应的复杂细
胞信息矩阵；根据Lorg和Rorg各自对应的复杂细胞信息矩阵，获取原始的无失真的立体
图像对应的双目融合图，并根据Ldis和Rdis各自对应的复杂细胞信息矩阵，获取待评价
的失真的立体图像对应的双目融合图；根据原始的无失真的立体图像对应的双目融合图
和待评价的失真的立体图像对应的双目融合图，获取待评价的失真的立体图像相对于原
始的无失真的立体图像的双目融合质量评价指标值；根据Lorg和Rorg各自对应的复杂细
胞信息矩阵，获取原始的无失真的立体图像对应的立体视觉图，并根据Ldis和Rdis各自
对应的复杂细胞信息矩阵，获取待评价的失真的立体图像对应的立体视觉图；获取原始
的无失真的立体图像对应的立体视觉图中的每个5×5的图像块的双目恰可觉察失真值
及双目恰可觉察失真值的失真权重，并获取待评价的失真的立体图像对应的立体视觉图
中的每个5×5的图像块的双目恰可觉察失真值及双目恰可觉察失真值的失真权重；利用
原始的无失真的立体图像对应的立体视觉图中的每个5×5的图像块的双目恰可觉察失
真值的失真权重，获得原始的无失真的立体图像对应的加权后立体视觉图，并利用待评
价的失真的立体图像对应的立体视觉图中的每个5×5的图像块的双目恰可觉察失真值
的失真权重，获得待评价的失真的立体图像对应的加权后立体视觉图；获取原始的无失
真的立体图像对应的加权后立体视觉图和待评价的失真的立体图像对应的加权后立体
视觉图中位置相同的图像块之间的梯度结构相似度，再根据梯度结构相似度获取待评价
的失真的立体图像相对于原始的无失真的立体图像的立体视觉评价度量值；根据双目融
合质量评价指标值和立体视觉评价度量值，获取待评价的失真的立体图像的图像质量评
价分值。
2.根据权利要求1所述的一种基于双目信息处理的立体图像质量评价方法，其特
征在于具体包括以下步骤：
①令Sorg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的左视点图像的亮度图记为Lorg，将Sorg的右视点图像的亮度图记为Rorg，将Sdis的
左视点图像的亮度图记为Ldis，将Sdis的右视点图像的亮度图记为Rdis；
②对Lorg实施M级复小波变换，得到每级的三个方向的复小波子带的系数矩阵、一
个直流复小波子带的系数矩阵，并将这些系数矩阵作为简单细胞信息矩阵，将Lorg实施
第m级复小波变换后得到的第m级的第q个方向的复小波子带的系数矩阵记为将
Lorg实施M级复小波变换后得到的直流复小波子带的系数矩阵记为其中，
1≤M≤5，1≤m≤M，三个方向分别为水平方向、垂直方向和对角线方向，q=1,2,3，当q=1
时第q个方向为水平方向、当q=2时第q个方向为垂直方向、当q=3时第q个方向为对
角线方向；
对Rorg实施M级复小波变换，得到每级的三个方向的复小波子带的系数矩阵、一个
直流复小波子带的系数矩阵，并将这些系数矩阵作为简单细胞信息矩阵，将Rorg实施第
m级复小波变换后得到的第m级的第q个方向的复小波子带的系数矩阵记为将
Rorg实施M级复小波变换后得到的直流复小波子带的系数矩阵记为对Ldis实施M级复小波变换，得到每级的三个方向的复小波子带的系数矩阵、一个
直流复小波子带的系数矩阵，并将这些系数矩阵作为简单细胞信息矩阵，将Ldis实施第m
级复小波变换后得到的第m级的第q个方向的复小波子带的系数矩阵记为将Ldis实施M级复小波变换后得到的直流复小波子带的系数矩阵记为对Rdis实施M级复小波变换，得到每级的三个方向的复小波子带的系数矩阵、一个
直流复小波子带的系数矩阵，并将这些系数矩阵作为简单细胞信息矩阵，将Rdis实施第
m级复小波变换后得到的第m级的第q个方向的复小波子带的系数矩阵记为将
Rdis实施M级复小波变换后得到的直流复小波子带的系数矩阵记为③获取Lorg实施M级复小波变换后得到的每级的三个方向的复小波子带的复杂细
胞信息矩阵，将Lorg实施第m级复小波变换后得到的第m级的第q个方向的复小波子带
的复杂细胞信息矩阵记为Corg,Lq,m=porg,Lq,mexp(θorg,Lq,m),]]>其中，
porg,Lq,m=|Eorg,Lq,m|=(Re(Eorg,Lq,m))2+(Im(Eorg,Lq,m))2,θorg,Lq,m=arctan(Im(Eorg,Lq,m)Re(Eorg,Lq,m)),]]>exp()表示以自然基数e为
底的指数函数，符号“||”为求复数的模值，arctan()表示反正切函数，表示的实部，表示的虚部；并获取Lorg实施M级复小波变换后得到的直流复小
波子带的复杂细胞信息矩阵，记为其中，
porg,LDC=|Eorg.LDC|=(Re(Eorg,LDC))2+(Im(Eorg,LDC))2,θorg,LDC=arctan(Im(Eorg,LDC)Re(Eorg,LDC)),]]>表示的实部，
表示的虚部；
获取Rorg实施M级复小波变换后得到的每级的三个方向的复小波子带的复杂细胞
信息矩阵，将Rorg实施第m级复小波变换后得到的第m级的第q个方向的复小波子带的
复杂细胞信息矩阵记为其中，
porg,Rq,m=|Eorg,Rq,m|=(Re(Eorg,Rq,m))2+(Im(Eorg,Rq,m))2,θorg,Rq,m=arctan(Im(Eorg,Rq,m)Re(Eorg,Rq,m)),]]>表示的实部，
表示的虚部；并获取Rorg实施M级复小波变换后得到的直流复小波子带的
复杂细胞信息矩阵，记为其中，
porg,RDC=|Eorg.RDC|=(Re(Eorg,RDC))2+(Im(Eorg,RDC))2,θorg,RDC=arctan(Im(Eorg,RDC)Re(Eorg,RDC)),]]>表示的实部，
表示的虚部；
获取Ldis实施M级复小波变换后得到的每级的三个方向的复小波子带的复杂细胞
信息矩阵，将Ldis实施第m级复小波变换后得到的第m级的第q个方向的复小波子带的
\t复杂细胞信息矩阵记为其中，
pdis,Lq,m=|Edis,Lq,m|=(Re(Edis,Lq,m))2+(Im(Edis,Lq,m))2,θdis,Lq,m=arctan(Im(Edis,Lq,m)Re(Edis,Lq,m)),]]>表示的实部，
表示的虚部；并获取Ldis实施M级复小波变换后得到的直流复小波子带的
复杂细胞信息矩阵，记为其中，
pdis,LDC=|Edis,LDC|=(Re(Edis,LDC))2+(Im(Edis,LDC))2,θdis,LDC=arctan(Im(Edis,LDC)Re(Edis,LDC)),]]>表示的实部，
表示的虚部；
获取Rdis实施M级复小波变换后得到的每级的三个方向的复小波子带的复杂细胞
信息矩阵，将Rdis实施第m级复小波变换后得到的第m级的第q个方向的复小波子带的
复杂细胞信息矩阵记为其中，
pdis,Rq,m=|Edis,Rq,m|=(Re(Edis,Rq,m))2+(Im(Edis,Rq,m))2,θdis,Rq,m=arctan(Im(Edis,Rq,m)Re(Edis,Rq,m)),]]>表示的实部，
表示的虚部；并获取Rdis实施M级复小波变换后得到的直流复小波子带的
复杂细胞信息矩阵，记为其中，
pdis,RDC=|Edis,RDC|=(Re(Edis,RDC))2+(Im(Edis,RDC))2,θdis,RDC=arctan(Im(Edis,RDC)Re(Edis,RDC)),]]>表示的实部，
表示的虚部；
④根据Lorg实施M级复小波变换后得到的每级的每个方向的复小波子带的复杂细
胞信息矩阵和Rorg实施M级复小波变换后得到的每级的每个方向的复小波子带的复杂
细胞信息矩阵，获取Sorg的每级的每个方向的复小波子带的双目融合图，将Sorg的第m级
的第q个方向的复小波子带的双目融合图记为Borgq,m=|Corg,Lq,m+Corg,Rq.m|=(porg,Lq,m)2+(porg,Rq,m)2+porg,Lq,mporg,Rq,mcos(Δθorgq,m),]]>其中，符号“||”为求复数的模
\t值，cos()为求余弦函数，Δθorgq,m=θorg,Lq,m-θorg,Rq,m;]]>并根据和获取Sorg的直流复小
波子带的双目融合图，记为BorgDC=|Corg,LDC+Corg,RDC|=(porg,LDC)2+(Porg,RDC)2+porg,LDCporg,RDCcos(ΔθorgDC),]]>其中，ΔθorgDC=θorg,DC-θorg,RDC;]]>根据Ldis实施M级复小波变换后得到的每级的每个方向的复小波子带的复杂细胞
信息矩阵和Rdis实施M级复小波变换后得到的每级的每个方向的复小波子带的复杂细
胞信息矩阵，获取Sdis的每级的每个方向的复小波子带的双目融合图，将Sdis的第m级
的第q个方向的复小波子带的双目融合图记为Bdisq,m=|Cids,Lq,m+Cdis,Rq.m|=(pids,Lq,m)2+(pdis,Rq,m)2+pdis,Lq,mpdis,Rq,mcos(Δθdisq,m),]]>其中，Δθdisq,m=θdis,Lq,m-θdis,Rq,m;]]>并根据
和获取Sdis的直流复小波子带的双目融合图，记为BdisDC=|Cdis,LDC+Cdis,RDC|=(pdis,LDC)2+(Pids,RDC)2+pdis,LDCpdis,RDCcos(ΔθdisDC),]]>其中，ΔθdisFC=Δθdis,LDC-θdis,RDC;]]>⑤计算Sorg与Sdis所有的同级的同方向的两个复小波子带的双目融合图的双目融合
峰值信噪比，将与的双目融合峰值信噪比记为BFPSNRq,m，
BFPSNRq,m=110×log25521wq,m×hq,m×Lq,m×ωq,m,]]>其中，wq,m表示和的宽度，hq,m表示和的高度，Lq,m=Σi=1wq,mΣj=1hq,m|Borgq,m(i,j)-Bdisq,m(i,j)|1,]]>“||1”为1范数符号，表示中坐
标位置为(i,j)的像素点的像素值，表示中坐标位置为(i,j)的像素点的像素值，
ωq,m表示和的视觉敏感度权值；
计算Sorg的直流复小波子带的双目融合图与Sdis的直流复小波子带的双目融合
图的双目融合峰值信噪比，记为BFPSNRDC，BFPSNRDC=110log25521wDC×hDC×LDC×ωDC,]]>其中，wDC表示和的宽度，hDC表示和的高度，LDC=Σi=1wDCΣj=1hDC|BorgDC(i,j)-BdisDC(i,j)|1,]]>“||1”为1范数符号，表示中坐标位置为(i,j)的像素点的像素值，表
\t示中坐标位置为(i,j)的像素点的像素值，ωDC表示和的视觉敏感度权值；
⑥计算Sdis相对于Sorg的双目融合质量评价指标值，记为Qs，
Qs=Σm=1MΣq=13BFPSNRq,m+BFPSNRDCΣm=1MΣq=13ωq,m+ωDC;]]>⑦根据Lorg实施M级复小波变换后得到的每级的每个方向的复小波子带的复杂细
胞信息矩阵和Rorg实施M级复小波变换后得到的每级的每个方向的复小波子带的复杂
细胞信息矩阵，获取Sorg的每级的每个方向的复小波子带的立体视觉图，将Sorg的第m级
的第q个方向的复小波子带的立体视觉图记为Vorgq,m=|Corg,Lq,m-Corg,Rq.m|=(porg,Lq,m)2+(porg,Rq,m)2-porg,Lq,mporg,Rq,mcos(Δθorgq,m),]]>其中，符号“||”为求复数的模
值，cos()为求余弦函数，Δθorgq,m=θorg.Lq,m-θorg,Rq,m;]]>并根据和获取Sorg的直流复小
波子带的立体视觉图，记为VorgDC=|Corg,LDC-Corg,RDC|=(porg,LDC)2+(Porg,RDC)2-porg,LDCporg,RDCcos(ΔθorgDC),]]>其中，ΔθorgDC=θorg,LDC-θorg,RDC;]]>根据Ldis实施M级复小波变换后得到的每级的每个方向的复小波子带的复杂细胞
信息矩阵和Rdis实施M级复小波变换后得到的每级的每个方向的复小波子带的复杂细
胞信息矩阵，获取Sdis的每级的每个方向的复小波子带的立体视觉图，将Sdis的第m级
的第q个方向的复小波子带的立体视觉图记为Vdisq,m=|Cdis,Lq,m-Cdis,Rq.m|=(pdis,Lq,m)2+(pdis,Rq,m)2-pdis,Lq,mpdis,Rq,mcos(Δθdisq,m),]]>其中，Δθdisq,m=θdis,Lq,m-θdis,Rq,m;]]>并根据和获取Sdis的直流复小波子带的立体视觉图，记为VdisDC=|Cdis,LDC-Cdis,RDC|=(pdi...
【专利技术属性】
技术研发人员：蒋刚毅，朱江英，靳鑫，邵枫，彭宗举，陈芬，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。