基于视觉感知和双目竞争的无参考立体图像质量评价方法技术

本发明专利技术涉及一种立体图像质量评价方法，特别涉及一种基于视觉感知和双目竞争的无参考立体图像质量评价方法，属于图像分析领域。本方法首先将输入立体图像对转化为灰度信息，对灰度信息利用匹配算法得到立体图像对的模拟视差图和不确定性图，同时利用灰度信息及其滤波响应和模拟视差图校正合成单眼图像。其次，将得到的单眼图像和不确定性图在不同尺度空间和频率空间上进行高斯差分处理，并提取自然场景统计和视觉感知特征向量。然后，利用支持向量机和BP神经网络分别对特征进行训练，得到预测模型，应用预测模型和测试及对应的特征向量，进行质量预测和评估。本方法具有主观一致性高，数据库独立性高，稳定性高的特点，在处理多种复杂失真类型时都表现出了极具竞争力的效果，可以嵌入到立体图像/视频处理等立体视觉内容相关的应用系统中，具有很强的应用价值。

Quality evaluation method of non reference stereoscopic image based on visual perception and binocular competition

The invention relates to a stereoscopic image quality assessment method, in particular to a reference free stereo image quality assessment method based on visual perception and binocular competition, which belongs to the field of image analysis. This method first transforms the input stereo image pairs into the gray information, and obtains the simulated parallax map and the uncertainty map of the stereo image pairs using the matching algorithm for the gray information. Meanwhile, the monocular image is corrected by using the gray information and its filtering response and the simulated parallax map. Secondly, the monocular and uncertain images are processed by Gauss difference processing in different scale space and frequency space, and natural scene statistics and visual perception feature vectors are extracted. Then, support vector machine and BP neural network are used to train the feature respectively, and the prediction model is obtained. The prediction model and the corresponding feature vectors are applied to predict and evaluate the quality. This method has the subjective consistency, database independence, high stability, in the processing of a variety of complex distortion types have shown a very competitive effect, can be embedded into the application system of stereo image / video processing such as stereo vision related content, has very strong application value.

【技术实现步骤摘要】
基于视觉感知和双目竞争的无参考立体图像质量评价方法
本专利技术涉及一种立体图像质量评价方法，特别涉及一种基于视觉感知和双目竞争的无参考立体图像质量评价方法，属于图像分析领域。
技术介绍
近些年来，随着科学技术的发展，立体图像产生和传播的成本变得越来越低，这使得立体图像作为一种优秀的信息传播的媒介，在我们的日常生活中变得越来越普遍，越来越不可缺少。然而，立体图像在场景采集、编码、网络传输、解码、后期处理、压缩存储和放映的各个阶段都会不可避免的引入失真，例如，在场景采集过程中由于设备参数设定、镜头晃动等因素引起的模糊失真；图像压缩存储引起的压缩失真等等。而失真的引入则会大大降低人们的视觉体验，严重的还会影响到人们的身心健康。如何遏制低质量立体图像的传播，保证人们的视觉体验，成为了一个亟待解决的问题。使立体图像产生和传播的媒体具有自动评价图像质量高低的能力，从而改善媒体输出端图像的质量，对于解决这个问题具有重要意义。具体来说，本研究具有以下应用价值：(1)可以嵌入实际的应用系统(比如视频的放映系统、网络传输系统等)中，实时的监控图像/视频的质量；(2)可以用于评价各种立体图像/视频处理算法本文档来自技高网...

【技术保护点】
基于视觉感知和双目竞争的无参考立体图像质量评价方法，其特征在于：其具体步骤如下：步骤一、将输入的待测试立体图像对转化为灰度信息；步骤二、应用匹配算法对灰度信息做进一步的处理，得到模拟视差图和不确定性图，同时利用Gabor滤波得到灰度信息的滤波响应；步骤三、利用灰度信息及其滤波响应和模拟视差图校正合成单眼图像；步骤四、从单眼图像和不确定性图的不同尺度空间和频率空间中得到高斯差分图像，并完成自然场景统计和视觉感知特征提取；步骤五、采用步骤一、步骤二、步骤三和步骤四的方法对数据库中的每一幅彩色立体图像对进行处理，计算得到每一组立体图像对应的质量特征向量；然后利用基于学习的机器学习方法，在训练集上进行...

【技术特征摘要】
2017.09.27 CN 201710886018X1.基于视觉感知和双目竞争的无参考立体图像质量评价方法，其特征在于：其具体步骤如下：步骤一、将输入的待测试立体图像对转化为灰度信息；步骤二、应用匹配算法对灰度信息做进一步的处理，得到模拟视差图和不确定性图，同时利用Gabor滤波得到灰度信息的滤波响应；步骤三、利用灰度信息及其滤波响应和模拟视差图校正合成单眼图像；步骤四、从单眼图像和不确定性图的不同尺度空间和频率空间中得到高斯差分图像，并完成自然场景统计和视觉感知特征提取；步骤五、采用步骤一、步骤二、步骤三和步骤四的方法对数据库中的每一幅彩色立体图像对进行处理，计算得到每一组立体图像对应的质量特征向量；然后利用基于学习的机器学习方法，在训练集上进行训练，在测试集上进行测试，把质量特征向量映射为对应的质量分数；进而利用现有的算法性能指标(SROCC、LCC等)对算法的优劣进行评估。2.根据权利要求1所述的基于视觉感知和双目竞争的无参考立体图像质量评价方法，其特征在于：所述步骤一中颜色信息采用RGB颜色空间变换得到。3.根据权利要求1所述的基于视觉感知和双目竞争的无参考立体图像质量评价方法，其特征在于：所属步骤二中模拟视差图通过左、右视图灰度信息的结构相似度匹配得到。所属步骤二中不确定性图的计算方法如下：其中，l代表左视图灰度图，r代表经过视差补偿处理后的右视图灰度图，μ和σ分别代表相应灰度图的均值和标准差值,C1和C2分别代表常数项。模拟视差图以及不确定性图都将用于后续的高斯差分图像处理和特征提取。4.根据权利要求1所述的基于视觉感知和双目竞争的无参考立体图像质量评价方法，其特征在于：所属步骤三中单眼图像的计算方法如下：CI(x,y)＝Wl(x,y)*Il(x,y)+Wr((x+d),y)*Ir((x+d),y)(2)

【专利技术属性】
技术研发人员：刘利雄，张久发，王天舒，黄华，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京,11