立体图像的质量评价方法、系统、计算机可读存储介质技术方案

本发明专利技术公开一种立体图像的质量评价方法、系统、计算机可读存储介质，其中质量评价方法包括以下步骤：获取待评价立体图像的左视图和右视图；基于图像显著性，对所述左视图和所述右视图进行特征提取及特征融合，获得相应的质量特征；基于所述左视图和所述右视图生成视差图，基于所述视差图获取相应的视差特征，所述视差特征包括均值特征、峰度特征和偏度特征；基于所述质量特征和所述视差特征进行回归映射，获得相应的评价分数。本发明专利技术通过基于图像显著性对左视图和右视图进行特征提取及融合，使所得质量特征符合人类视觉特征，本发明专利技术还提取反馈待评价立体图像的深度信息的视差特征，综合质量特征和视差特征进行回归映射，使所得的评价分数更准确。的评价分数更准确。的评价分数更准确。

【技术实现步骤摘要】
立体图像的质量评价方法、系统、计算机可读存储介质


[0001]本专利技术涉及图像处理领域，尤其涉及一种立体图像的质量评价技术。

技术介绍

[0002]在这个信息化高度发展的时代，人们可以高效便捷地获取信息、传递信息和利用信息；图像是人类能够获得最直观和容易理解的信息来源之一，但在实际使用的过程中，图像的采集、处理、压缩、传输、等过程都可能会引入各种干扰因子，最终导致图像失真；图像失真会导致信息传递过程中的损耗，最终导致图像信息无法被接受和处理。
[0003]随着互联网上的图像以及视频数量的激增，一方面5g通信技术的发展导致人们对于图像质量的需求日益增高，另一方面智能识别等技术中，图像的清晰程度会直接影响诊断的结果，故需要对图像进行质量评价。
[0004]人眼是图像的最终接受器官，所以最直接的评价机制是通过人眼视觉系统作为衡量标准，即，主观评价，但此种主观评价的成本过于庞大，且耗费时间，难以用于工业场景。

技术实现思路

[0005]本专利技术针对现有技术中的主观评价的成本过于庞大，且耗费时间，难以用于工业场景缺点，提供了一种立体图像的质量评价技术，能够快速获得待评价立体图像的评价分数，且所得评价分数能够贴合人眼主观的评价标准。
[0006]为了解决上述技术问题，本专利技术通过下述技术方案得以解决：
[0007]一种立体图像的质量评价方法，包括以下步骤：
[0008]获取待评价立体图像的左视图和右视图；
[0009]基于图像显著性，对所述左视图和所述右视图进行特征提取及特征融合，获得相应的质量特征；
[0010]基于所述左视图和所述右视图生成视差图，基于所述视差图获取相应的视差特征，所述视差特征包括均值特征、峰度特征和偏度特征；
[0011]基于所述质量特征和所述视差特征进行回归映射，获得相应的评价分数。
[0012]作为一种可实施方式：
[0013]对所述左视图进行特征提取，获得左视图特征，并对所述右视图进行特征提取，获得右视图特征；
[0014]对所述左视图进行显著性检测，获得左显著图，对所述右视图进行显著性检测，获得右显著图；
[0015]基于所述左显著图和所述右显著图进行权重计算，获得相应的权重数据；
[0016]基于所述权重数据对所述左视图特征与所述右视图特征进行加权融合，获得质量特征。
[0017]作为一种可实施方式：
[0018]所述权重数据包括第一权重和第二权重；
[0019]所述第一权重的计算公式为：
[0020][0021]其中，W
L
表示所述第一权重，S
L
表示所述左显著图，S
R
表示所述右显著图，N表示所述左显著图或所述右显著图中像素点的总数，i表示所述左显著图或所述右显著图中第i个像素点；
[0022]所述第二权重的计算公式为：
[0023][0024]其中，W
R
表示所述第二权重
[0025]所述质量特征的计算公式为：
[0026]F
CNN
＝F
L
W
L
+F
R
W
R
；
[0027]其中，F
CNN
表示所述质量特征，F
L
表示所述左视图特征，F
R
表示所述右视图特征。
[0028]作为一种可实施方式：
[0029]基于预设的特征提取模型，对左视图进行特征提取，获得相应的左视图特征，还基于预设的特征提取模型，对右视图进行特征提取，获得相应的右视图特征；
[0030]构建所述特征提取模型的方法包括以下步骤：
[0031]获取已训练的CaffeNet模型；
[0032]获取具有主观评价分数的样本图像，基于所述主观评价分数为所述样本图像标注质量等级标签；
[0033]基于所述样本图像及所述样本图像的质量等级标签对所述CaffeNet模型进行再训练，获得优化后的CaffeNet模型，将所得优化后的CaffeNet模型作为所述特征提取模型进行特征提取。
[0034]作为一种可实施方式：
[0035]基于所述左视图和所述右视图生成视差图，获得第一视差图；
[0036]对所述第一视差图进行至少一次降采样，将每次降采样所得的视差图作为第二视差图；
[0037]将所得第一视差图和第二视差图均作为第三视差图，提取各第三视差图所对应的视差特征。
[0038]作为一种可实施方式：
[0039]对所述第一视差图进行三次降采样，获得相应的三个第二视差图。
[0040]作为一种可实施方式，四个第三视差图的尺寸分别为360
×
640、180
×
320、90
×
160和45
×
80。
[0041]作为一种可实施方式：
[0042]基于SVR对质量特征和视差特征进行回归映射，获得相应的评价分数。
[0043]注：SVR，support vector regression，支持向量回归。
[0044]本专利技术还提出一种立体图像的质量评价系统，包括：
[0045]图像获取模块，用于获取待评价立体图像的左视图和右视图；
[0046]第一特征提取模块，用于基于图像显著性，对所述左视图和所述右视图进行特征提取及特征融合，获得相应的质量特征；
[0047]第二特征提取模块，用于基于所述左视图和所述右视图生成视差图，基于所述视差图获取相应的视差特征，所述视差特征包括均值特征、峰度特征和偏度特征；
[0048]评分模块，用于基于所述质量特征和所述视差特征进行回归映射，获得相应的评价分数。
[0049]本专利技术还提出一种计算机可读存储介质，其存储有计算机程序，该程序被处理器执行时实现上述任意一项所述方法的步骤。
[0050]本专利技术由于采用了以上技术方案，具有显著的技术效果：
[0051]本专利技术通过基于图像显著性对左视图和右视图进行特征提取及融合，使所得质量特征符合人类视觉特征，本专利技术还提取反馈待评价立体图像的深度信息的视差特征，综合质量特征和视差特征进行回归映射，使所得的评价分数更准确。
[0052]本专利技术通过获取若干幅不同分辨率的第三视差图，分别提取各第三视差图所对应的均值特征、峰度特征和偏度特征，获得多维度的视差特征，能够更好地反馈立体图像的深度信息。
附图说明
[0053]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0054]图1是本专利技术一种立体图像的质量评价方法的流程示意图；
...

【技术保护点】

【技术特征摘要】
1.一种立体图像的质量评价方法，其特征在于包括以下步骤：获取待评价立体图像的左视图和右视图；基于图像显著性，对所述左视图和所述右视图进行特征提取及特征融合，获得相应的质量特征；基于所述左视图和所述右视图生成视差图，基于所述视差图获取相应的视差特征，所述视差特征包括均值特征、峰度特征和偏度特征；基于所述质量特征和所述视差特征进行回归映射，获得相应的评价分数。2.根据权利要求1所述的立体图像的质量评价方法，其特征在于：对所述左视图进行特征提取，获得左视图特征，并对所述右视图进行特征提取，获得右视图特征；对所述左视图进行显著性检测，获得左显著图，对所述右视图进行显著性检测，获得右显著图；基于所述左显著图和所述右显著图进行权重计算，获得相应的权重数据；基于所述权重数据对所述左视图特征与所述右视图特征进行加权融合，获得质量特征。3.根据权利要求2所述的立体图像的质量评价方法，其特征在于：所述权重数据包括第一权重和第二权重；所述第一权重的计算公式为：其中，W
L
表示所述第一权重，S
L
表示所述左显著图，S
R
表示所述右显著图，N表示所述左显著图或所述右显著图中像素点的总数，i表示所述左显著图或所述右显著图中第i个像素点；所述第二权重的计算公式为：其中，W
R
表示所述第二权重所述质量特征的计算公式为：F
CNN
＝F
L
W
L
+F
R
W
R
；其中，F
CNN
表示所述质量特征，F
L
表示所述左视图特征，F
R
表示所述右视图特征。4.根据权利要求3所述的立体图像的质量评价方法，其特征在于：基于预设的特征提取模型，对左视图进行特征提取，获得相应的左视图特征，还基于预
设的特征提取模型，对右视图进行...

【专利技术属性】
技术研发人员：丁勇，严麒，陈丽霞，任佳莹，胡颖蔚，蔡舒群，
申请(专利权)人：杭州国家集成电路设计产业化基地有限公司，
类型：发明
国别省市：