本发明专利技术公开了一种立体图像的最小可察觉变化步长的客观分析方法，通过对失真立体图像集合中的每幅失真的立体图像采用不同的权值比重组合进行训练，得到不同权值比重组合的支持向量回归训练模型，利用训练得到的支持向量回归模型对任意测试图像进行测试，在左视点图像质量固定不变的情况下，测定人眼可感知立体图像质量变化时右视点图像质量的临界质量点，从而确定对立体图像进行编码时右视点图像质量相对左视点图像质量可下降的最大变化范围，既能通过降低右视点图像质量来达到提高编码效率的目的，又能利用立体视觉掩蔽效应使观察者不能感知到右视点图像质量下降的事实，从而保证了立体图像的整体质量。
【技术实现步骤摘要】
【技术保护点】
１．一种立体图像的最小可察觉变化步长的客观分析方法，其特征在于包括以下步骤：①令Ｓｏｒｇ为原始的无失真的立体图像，令Ｓｄｉｓ为待评价的失真的立体图像，将Ｓｏｒｇ的左视点图像记为Ｌｏｒｇ，将Ｓｏｒｇ的右视点图像记为Ｒｏｒｇ，将Ｓｄｉｓ的左视点图像记为Ｌｄｉｓ，将Ｓｄｉｓ的右视点图像记为Ｒｄｉｓ；②对Ｌｏｒｇ、Ｒｏｒｇ、Ｌｄｉｓ和Ｒｄｉｓ４幅图像分别实施奇异值分解，分别得到Ｌｏｒｇ、Ｒｏｒｇ、Ｌｄｉｓ和Ｒｄｉｓ４幅图像各自对应的奇异值矢量，将Ｌｏｒｇ的奇异值矢量记为将Ｒｏｒｇ的奇异值矢量记为将Ｌｄｉｓ的奇异值矢量记为将Ｒｄｉｓ的奇异值矢量记为其中，各个奇异值矢量的维数为ｍ，ｍ＝ｍｉｎ（Ｍ，Ｎ），ｍｉｎ（）为取最小值函数，Ｍ表示图像的水平尺寸大小，Ｎ表示图像的垂直尺寸大小；③计算Ｌｏｒｇ的奇异值矢量与Ｌｄｉｓ的奇异值矢量的绝对差矢量，记为ＸＬ，将ＸＬ作为Ｌｄｉｓ的特征矢量，计算Ｒｏｒｇ的奇异值矢量与Ｒｄｉｓ的奇异值矢量的绝对差矢量，记为ＸＲ，将ＸＲ作为Ｒｄｉｓ的特征矢量，其中，“｜｜”为取绝对值符号；④对Ｌｄｉｓ的特征矢量ＸＬ和Ｒｄｉｓ的特征矢量ＸＲ进行线性加权，得到Ｓｄｉｓ的特征矢量，记为Ｘ，Ｘ＝ｗＬＸＬ＋ｗＲＸＲ，其中，ｗＬ表示Ｌｄｉｓ的权值比重，ｗＲ表示Ｒｄｉｓ的权值比重，ｗＬ＋ｗＲ＝１；⑤采用ｎ幅无失真的立体图像，建立其在Ｈ．２６４编码失真类型的不同失真程度下的失真立体图像集合，该失真立体图像集合包括多幅失真的立体图像，利用主观质量评价方法分别获取失真立体图像集合中每幅失真的立体图像的平均主观评分差值，记为ＤＭＯＳ，ＤＭＯＳ＝１００－ＭＯＳ，其中，ＭＯＳ表示主观评分均值，ＤＭＯＳ∈［０，１００］，ｎ≥１；⑥采用与计算Ｓｄｉｓ的特征矢量Ｘ相同的方法，分别计算失真立体图像集合中每幅失真的立体图像的不同权值比重组合的特征矢量，对于失真立体图像集合中第ｉ幅失真的立体图像的第ｊ种权值比重组合的特征矢量，将其记为Ｘｉ，ｊ，其中，１≤ｉ≤ｎ′，１≤ｊ≤ｍ′，ｎ′表示失真立体图像集合中包含的失真的立体图像的幅数，ｍ′表示所有权值比重组合的种数；⑦采用支持向量回归对失真立体图像集合中所有的失真的立体图像的相同权值比重组合的特征矢量进行训练，得到不同权值比重组合的支持向量回归训练模型，对于第ｊ种权值比重组合的支持向量回归训练模型，将其记为ｆｊ（Ｘｉｎｐ），其中，ｆｊ（）为第ｊ种权值比重组合的回归函数的函数表示形式，Ｘｉｎｐ表示支持向量回归训练模型的输入矢量；⑧从ｎ幅无失真的立体图像中任意选取一幅立体图像，然后任取一个编码量化参数对该立体图像的左视点图像进行编码，并采用多个不同的编码量化参数对该立体图像的右视点图像进行编码，利用训练得到的支持向量回归训练模型对由编码得到的一幅左视点图像和多幅右视点图像构成的多幅测试图像进行测试，计算得到人眼可感知立体视觉变化时测试图像中的右视点图像的最小可察觉变化步长。...
【技术特征摘要】
【专利技术属性】
技术研发人员：邵枫，蒋刚毅，郁梅，
申请(专利权)人：宁波大学，
类型：发明
国别省市：97
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。