【技术实现步骤摘要】
基于立体感知特性的立体图像质量评价方法
本专利技术涉及图像处理领域,更具体的说,是涉及一种基于立体感知特性的立体图像质量评价方法。
技术介绍
立体图像/视频能使人身临其境地体验到立体感及临场感,逐渐地成为多媒体研究的主流方向,在市场上的开发与应用需求也越来越迫切,如立体数字电视、3D电影、虚拟现实系统等。然而,立体视频在采集、存储、处理以及传输中由于立体视频采集系统、存储介质、压缩编码及传输设备等的限制及影响,不可避免地引入噪声或干扰从而造成在显示端的立体视频图像质量的下降。因此,立体图像质量评价研究成为立体视频系统、立体视频工程和立体视频处理领域中的关键问题。当前立体图像质量评价主要分为三类。一类是将2D图像质量评价的方法分别应用左右视点,再辅以视差进行评价的方法。第二类是基于人来视觉系统(HVS)的评价方法。第三类是基于图像特征,结合机器学习的方法。以上评价方法在立体图像质量评价的不同发展阶段都取得了比较好的效果,但是由于视差和深度信息获取的不准确,双目特性考虑不充分,立体图像质量评价仍然是当前研究的热点和难点。
技术实现思路
本专利技术的目的是为了克服现有技术中的不足,模拟结合深度感知和图像内容的人类立体视觉特性,并在此基础上提供一种基于立体感知特性的立体图像质量评价方法,充分考虑图像特征,模拟大脑中形成的深度视觉感知图像,结合图像内容,以图像频域信息作为手段,通过频域信息的统计特性描述立体图像质量,进而做出更加全面、准确的客观评价。本专利技术的目的是通过以下技术方案实现的。本专利技术的基于立体感知特性的立体图像质量评价方法,每个失真立体图像对由左视图和 ...
【技术保护点】
1.基于立体感知特性的立体图像质量评价方法,每个失真立体图像对由左视图和右视图组成,其特征在于,包括以下步骤:第一步:模拟人类立体视觉特性,根据视差匹配算法计算左、右视点的视差图;其中,视差图的计算充分考虑人类感知立体场景产生的直观深度感知,即有屏前、屏后的区分;在此基础上分别以左、右视图作为基准图像,得出有正、负视差区分的相对视差图;第二步:根据视差与深度的关系公式,计算得到深度感知图;第三步:对深度感知图、左视图、右视图分别采用db7做四层小波分解;第四步:提取每一层的低‑高、高‑低、高‑高三个子带的系数,共计12个子带;第五步:求解第一层中每个子带的幅值、方差和熵特征;第六步:将剩下三层的系数做与第五步相同的处理,最终每幅图像得到24个特征;第七步:按照第四步到第六步的描述,计算深度感知图、左视图、右视图每幅图像的频域统计特性,共计72个特征;第八步:将图像库中的图像随机分为两部分,其中80%的失真立体图像对用深度信念网络对得到的特征进行训练,根据训练得到的模型对剩下的20%的失真图像对的质量做预测,最终得到立体图像的质量。
【技术特征摘要】
1.基于立体感知特性的立体图像质量评价方法,每个失真立体图像对由左视图和右视图组成,其特征在于,包括以下步骤:第一步:模拟人类立体视觉特性,根据视差匹配算法计算左、右视点的视差图;其中,视差图的计算充分考虑人类感知立体场景产生的直观深度感知,即有屏前、屏后的区分;在此基础上分别以左、右视图作为基准图像,得出有正、负视差区分的相对视差图;第二步:根据视差与深度的关系公式,计算得到深度感知图;第三步:对深度感知图、左视图、右视图分别采用db7做四层小波分解;第四步:提取每一层的低-高、高-低、高-高三个子带的系数,共计12个子带;第五步:求解第一层中每个子带的幅值、方差和熵特征;第六步:将剩下三层的系数做与第五步相同的处理,最终每幅图像得到24个特征;第七步:按照第四步到第六步的描述,计算深度感知图、左视图、右视图每幅图像的频域统计特性,共计72个特征;第八步:将图像库中的图像随机分为两部分,其中80%的失真立体图像对用深度信念网络对得到的特征进行训练,根据训练得到的模型对剩下的20%的失真图像对的质量做预测,最终得到立体图像的质量。2.根据权利要求1所述的基于立体感知特性的立体图像质量评价方法,其特征在于,第一步中视差匹配算法通过以左、右视图分别作为基准图像,将另一幅图像做平移,在平移过程中根据最高相关性系数得到最佳匹配点,具体地,(1)计算左、右视图的水平梯度图,计算公式如下:其中,Dl、Dr分别为左视图和右视图,为左视图的水平梯度图,为右视图的水平梯度图;(2)以左视图作为基准图像,对右视图进行平移,以20个像素点作为最大视差距离;在进行每一次平移的过程中,计算左、右视图的相似度图和梯度相似度图,相似度的计算如以下公式:SSIM(x,y)=l(x,y)·c(x,y)·s(x,y)其中,l(x,y)为亮度对比,c(x,y)为对比度,s(x,y)为结构相关度;三个部分的计算公式分别为下:其中,μx和μy分别为左视图的像素均值和右视图的像素均值,σx和σy分别为左视图的像素方差和右视图的像素方差,σxy为左右视图的像素协方差,C1、C2和C3为调节常量;然后对得到的相似度图和梯度相似度图用7×7的窗口进行滤波...
【专利技术属性】
技术研发人员:杨嘉琛,汪亚芳,姜斌,朱英豪,计春祺,
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。