一種立體圖像客觀質(zhì)量評(píng)價(jià)方法
【專利摘要】本發(fā)明公開(kāi)了一種立體圖像客觀質(zhì)量評(píng)價(jià)方法，其在獲取待評(píng)價(jià)的失真的立體圖像的客觀質(zhì)量分值時(shí)，不僅考慮了待評(píng)價(jià)的失真的立體圖像的左視點(diǎn)圖像與原始的無(wú)失真的立體圖像的左視點(diǎn)圖像中所有的坐標(biāo)位置相同的兩個(gè)像素點(diǎn)之間的基于梯度的結(jié)構(gòu)相似度，及待評(píng)價(jià)的失真的立體圖像的右視點(diǎn)圖像與原始的無(wú)失真的立體圖像的右視點(diǎn)圖像中所有的坐標(biāo)位置相同的兩個(gè)像素點(diǎn)之間的基于梯度的結(jié)構(gòu)相似度，還考慮了人眼在觀察立體圖像時(shí)會(huì)產(chǎn)生的雙目掩蓋效應(yīng)，將結(jié)構(gòu)失真與雙目掩蓋效應(yīng)相結(jié)合，使得對(duì)待評(píng)價(jià)的失真的立體圖像的客觀評(píng)價(jià)結(jié)果與主觀感知的一致性更高。
【專利說(shuō)明】一種立體圖像客觀質(zhì)量評(píng)價(jià)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種圖像質(zhì)量評(píng)價(jià)技術(shù)，尤其是涉及一種立體圖像客觀質(zhì)量評(píng)價(jià)方法。
【背景技術(shù)】
[0002]立體圖像的質(zhì)量作為衡量立體視頻系統(tǒng)性能的重要指標(biāo)，如何有效的評(píng)價(jià)立體圖像的質(zhì)量已成為熱門課題。立體圖像的質(zhì)量評(píng)價(jià)分為主觀質(zhì)量評(píng)價(jià)和客觀質(zhì)量評(píng)價(jià)，主觀質(zhì)量評(píng)價(jià)就是把多名觀察者對(duì)立體圖像的質(zhì)量進(jìn)行加權(quán)平均，其結(jié)果最能符合人眼視覺(jué)系統(tǒng)特性，但是操作復(fù)雜、費(fèi)時(shí)耗力，且無(wú)法集成到立體視頻系統(tǒng)中，因此對(duì)立體圖像的質(zhì)量評(píng)價(jià)主要著力于客觀質(zhì)量評(píng)價(jià)。
[0003]目前，立體圖像的客觀質(zhì)量評(píng)價(jià)方法主要分為兩類:1)在傳統(tǒng)的2D圖像質(zhì)量評(píng)價(jià)方法上，加上立體感評(píng)價(jià)；2)從雙目視覺(jué)特性出發(fā)，建立3D評(píng)價(jià)模型來(lái)直接評(píng)價(jià)立體圖像的質(zhì)量。第一種方法簡(jiǎn)單，但是從本質(zhì)上來(lái)看，這種方法并不能稱為真正的立體圖像質(zhì)量評(píng)價(jià)方法。第二種方法更多的考慮了人眼對(duì)立體圖像的感知特性，因此理論上這種方法更適合用于對(duì)立體圖像的質(zhì)量進(jìn)行評(píng)價(jià)，但是由于目前模擬雙目視覺(jué)特性的模型不夠成熟，因此在建立立體圖像客觀評(píng)價(jià)模型的過(guò)程中也無(wú)法對(duì)雙目視覺(jué)特性進(jìn)行完整的模擬，圖像客觀評(píng)價(jià)結(jié)果與主觀感知之間的一致性不是很理想。

【發(fā)明內(nèi)容】

[0004]本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種立體圖像客觀質(zhì)量評(píng)價(jià)方法，其能夠有效地提高圖像客觀評(píng)價(jià)結(jié)果與主觀感知之間的一致性。
[0005]本發(fā)明解決上述技術(shù)問(wèn)題所采用的技術(shù)方案為:一種立體圖像客觀質(zhì)量評(píng)價(jià)方法，其特征在于該方法的實(shí)現(xiàn)過(guò)程如下:
[0006]令X表示原始的無(wú)失真的立體圖像，并令Y表示待評(píng)價(jià)的失真的立體圖像，將X的左視點(diǎn)圖像記為XS將X的右視點(diǎn)圖像記為Xr，將Y的左視點(diǎn)圖像記為Y1，將Y的右視點(diǎn)圖像記為Yk ；
[0007]將Xe, Yl和Yk分別分割成多個(gè)圖像塊，再計(jì)算X"、Xe> Yl和Yk中的每個(gè)圖像塊中的所有像素點(diǎn)的亮度均值和亮度標(biāo)準(zhǔn)差，同時(shí)計(jì)算浐和Y1中所有的坐標(biāo)位置相同的兩個(gè)圖像塊之間的亮度協(xié)方差，并計(jì)算炒和Yk中所有的坐標(biāo)位置相同的兩個(gè)圖像塊之間的亮度協(xié)方差；
[0008]通過(guò)水平方向和垂直方向的3X3Soble算子，獲取XL、XK、YL和Yk各自的水平方向梯度矩陣映射圖和垂直方向梯度矩陣映射圖，再根據(jù)和Yk各自的水平方向梯度矩陣映射圖和垂直方向梯度矩陣映射圖，獲取Xe> Yl和Yk各自的梯度圖；
[0009]根據(jù)X1和Y1的梯度圖，獲取浐和Y1中所有的坐標(biāo)位置相同的兩個(gè)像素點(diǎn)之間的梯度相似度，根據(jù)X1和Y"中的每個(gè)圖像塊中的所有像素點(diǎn)的亮度標(biāo)準(zhǔn)差，獲取X1和Y"中所有的坐標(biāo)位置相同的兩個(gè)像素點(diǎn)之間的對(duì)比度相似度，根據(jù)X1和Y"中的每個(gè)圖像塊中的所有像素點(diǎn)的亮度標(biāo)準(zhǔn)差及X1和Y1中所有的坐標(biāo)位置相同的兩個(gè)圖像塊之間的亮度協(xié)方差，獲取X1和Y1中所有的坐標(biāo)位置相同的兩個(gè)像素點(diǎn)之間的結(jié)構(gòu)度相似度；同樣，根據(jù)Xk和Yk的梯度圖，獲取Xk和Yk中所有的坐標(biāo)位置相同的兩個(gè)像素點(diǎn)之間的梯度相似度，根據(jù)Xk和Ye中的每個(gè)圖像塊中的所有像素點(diǎn)的亮度標(biāo)準(zhǔn)差，獲取Xk和Yk中所有的坐標(biāo)位置相同的兩個(gè)像素點(diǎn)之間的對(duì)比度相似度，根據(jù)Xk和Yk中的每個(gè)圖像塊中的所有像素點(diǎn)的亮度標(biāo)準(zhǔn)差及Xk和Yk中所有的坐標(biāo)位置相同的兩個(gè)圖像塊之間的亮度協(xié)方差，獲取Xk和Yk中所有的坐標(biāo)位置相同的兩個(gè)像素點(diǎn)之間的結(jié)構(gòu)度相似度；再根據(jù)浐和Y1中所有的坐標(biāo)位置相同的兩個(gè)像素點(diǎn)之間的梯度相似度、對(duì)比度相似度和結(jié)構(gòu)度相似度，計(jì)算X1和Y1中所有的坐標(biāo)位置相同的兩個(gè)像素點(diǎn)之間的基于梯度的結(jié)構(gòu)相似度，并根據(jù)炒和Yk中所有的坐標(biāo)位置相同的兩個(gè)像素點(diǎn)之間的梯度相似度、對(duì)比度相似度和結(jié)構(gòu)度相似度，計(jì)算Xk和Yk中所有的坐標(biāo)位置相同的兩個(gè)像素點(diǎn)之間的基于梯度的結(jié)構(gòu)相似度；
[0010]獲取t和Xk各自的雙目恰可覺(jué)察失真圖；
[0011 ] 根據(jù)浐和Y1中坐標(biāo)位置相同的兩個(gè)像素點(diǎn)之間的基于梯度的結(jié)構(gòu)相似度，以及浐的雙目恰可覺(jué)察失真圖，獲取Y1的客觀質(zhì)量分值；同樣，根據(jù)Xk和Yk中坐標(biāo)位置相同的兩個(gè)像素點(diǎn)之間的基于梯度的結(jié)構(gòu)相似度，以及Xk的雙目恰可覺(jué)察失真圖，獲取Yk的客觀質(zhì)量分值；
[0012]根據(jù)f的客觀質(zhì)量分值和Yk的客觀質(zhì)量分值，獲取Y的客觀質(zhì)量分值。
[0013]本發(fā)明的立體圖像客觀質(zhì)量評(píng)價(jià)方法具體包括以下步驟:
[0014]①令X表示原始的無(wú)失真的立體圖像，并令Y表示待評(píng)價(jià)的失真的立體圖像，將X的左視點(diǎn)圖像記為XS將X的右視點(diǎn)圖像記為XR，將Y的左視點(diǎn)圖像記為Y1，將Y的右視點(diǎn)圖像記為Yk ；
[0015]②采用尺寸大小 為8X8的滑動(dòng)窗口在X1中逐像素點(diǎn)移動(dòng)，將X1分割成MXN個(gè)相重疊的且尺寸大小為8X8的圖像塊，將X1中坐標(biāo)位置為(i，j)的圖像塊記為采用尺寸大小為8X8的滑動(dòng)窗口在Y"中逐像素點(diǎn)移動(dòng)，將Y"分割成MXN個(gè)相重疊的且尺寸大小為8X8的圖像塊，將Y1中坐標(biāo)位置為(i，j)的圖像塊記為為；采用尺寸大小為8X8的滑動(dòng)窗口在Xk中逐像素點(diǎn)移動(dòng)，將Xk分割成MXN個(gè)相重疊的且尺寸大小為8X8的圖像塊，將Xk中坐標(biāo)位置為(i，j)的圖像塊記為</;采用尺寸大小為8X8的滑動(dòng)窗口在Yk中逐像素點(diǎn)移動(dòng)，將Yk分割成MXN個(gè)相重疊的且尺寸大小為8X8的圖像塊，將Yk中坐標(biāo)位置為(i，j)的圖像塊記為
[0016]其中，M=H-7,N=ff-7, H 表示 Xl、Yl、Xe 和 Ye 的高度，W 表示 Xl、Yl、Xe 和 Ye 的寬度，K i < M, I ? N ;
[0017]③計(jì)算X1中的每個(gè)圖像塊中的所有像素點(diǎn)的亮度均值和亮度標(biāo)準(zhǔn)差，并計(jì)算Y1中的每個(gè)圖像塊中的所有像素點(diǎn)的亮度均值和亮度標(biāo)準(zhǔn)差，將浐中坐標(biāo)位置為(i，j)的圖
像塊4中的所有像素點(diǎn)的亮度均值和亮度標(biāo)準(zhǔn)差對(duì)應(yīng)記為化和義’將Y1中坐標(biāo)位置為(i, j)的圖像塊中的所有像素點(diǎn)的亮度均值和亮度標(biāo)準(zhǔn)差對(duì)應(yīng)記為仏’
【權(quán)利要求】
1.一種立體圖像客觀質(zhì)量評(píng)價(jià)方法，其特征在于該方法的實(shí)現(xiàn)過(guò)程如下: 令X表示原始的無(wú)失真的立體圖像，并令Y表示待評(píng)價(jià)的失真的立體圖像，將X的左視點(diǎn)圖像記為XS將X的右視點(diǎn)圖像記為χκ，將Y的左視點(diǎn)圖像記為YS將Y的右視點(diǎn)圖像記為Yk ; 將Xe, Yl和Yk分別分割成多個(gè)圖像塊，再計(jì)算Xe> Yl和Yk中的每個(gè)圖像塊中的所有像素點(diǎn)的亮度均值和亮度標(biāo)準(zhǔn)差，同時(shí)計(jì)算X1和Y1中所有的坐標(biāo)位置相同的兩個(gè)圖像塊之間的亮度協(xié)方差，并計(jì)算炒和Yk中所有的坐標(biāo)位置相同的兩個(gè)圖像塊之間的亮度協(xié)方差; 通過(guò)水平方向和垂直方向的3X3Soble算子，獲取和Yk各自的水平方向梯度矩陣映射圖和垂直方向梯度矩陣映射圖，再根據(jù)X1U和Yk各自的水平方向梯度矩陣映射圖和垂直方向梯度矩陣映射圖，獲取Xe> Yl和Yk各自的梯度圖； 根據(jù)浐和Y1的梯度圖，獲取浐和Y1中所有的坐標(biāo)位置相同的兩個(gè)像素點(diǎn)之間的梯度相似度，根據(jù)X"和Y"中的每個(gè)圖像塊中的所有像素點(diǎn)的亮度標(biāo)準(zhǔn)差，獲取X"和Y"中所有的坐標(biāo)位置相同的兩個(gè)像素點(diǎn)之間的對(duì)比度相似度，根據(jù)X1和Y"中的每個(gè)圖像塊中的所有像素點(diǎn)的亮度標(biāo)準(zhǔn)差及X1和Y1中所有的坐標(biāo)位置相同的兩個(gè)圖像塊之間的亮度協(xié)方差，獲取和yl中所有的坐標(biāo)位置相同的兩個(gè)像素點(diǎn)之間的結(jié)構(gòu)度相似度；同樣，根據(jù)Xk和Yk的梯度圖，獲取炒和Yk中所有的坐標(biāo)位置相同的兩個(gè)像素點(diǎn)之間的梯度相似度，根據(jù)炒和Yk中的每個(gè)圖像塊中的所有像素點(diǎn)的亮度標(biāo)準(zhǔn)差，獲取Xk和Yk中所有的坐標(biāo)位置相同的兩個(gè)像素點(diǎn)之間的對(duì)比度相似度，根據(jù)Xk和Yk中的每個(gè)圖像塊中的所有像素點(diǎn)的亮度標(biāo)準(zhǔn)差及Xk和Yk中所有的坐標(biāo)位置相同的兩個(gè)圖像塊之間的亮度協(xié)方差，獲取Xk和Yk中所有的坐標(biāo)位置相同的兩個(gè)像素點(diǎn)之間的結(jié)構(gòu)度相似度；再根據(jù)浐和Y1中所有的坐標(biāo)位置相同的兩個(gè)像素點(diǎn)之間的梯度相似度、對(duì)比度相似度和結(jié)構(gòu)度相似度，計(jì)算X1和Y1中所有的坐標(biāo)位置相同的兩個(gè)像素點(diǎn)之間的基于梯度的結(jié)構(gòu)相似度，并根據(jù)Xk和Yk中所有的坐標(biāo)位置相同的兩個(gè)像素點(diǎn)之間的梯度相似度、對(duì)比度相似度和結(jié)構(gòu)度相似度，計(jì)算Xk和Yk中所有的坐標(biāo)位置相同的兩個(gè)像素點(diǎn)之間的基于梯度的結(jié)構(gòu)相似度； 獲取X1和Xk各自的雙目恰可覺(jué)察失真圖； 根據(jù)X"和Y"中坐標(biāo)位置相同的兩個(gè)像素點(diǎn)之間的基于梯度的結(jié)構(gòu)相似度，以及X"的雙目恰可覺(jué)察失真圖，獲取Y1的客觀質(zhì)量分值；同樣，根據(jù)Xk和Yk中坐標(biāo)位置相同的兩個(gè)像素點(diǎn)之間的基于梯度的結(jié)構(gòu)相似度，以及Xk的雙目恰可覺(jué)察失真圖，獲取Yk的客觀質(zhì)量分值； 根據(jù)f的客觀質(zhì)量分值和Yk的客觀質(zhì)量分值，獲取Y的客觀質(zhì)量分值。
2.根據(jù)權(quán)利要求1所述的一種立體圖像客觀質(zhì)量評(píng)價(jià)方法，其特征在于該方法具體包括以下步驟: ①令X表示原始的無(wú)失真的立體圖像，并令Y表示待評(píng)價(jià)的失真的立體圖像，將X的左視點(diǎn)圖像記為XS將X的右視點(diǎn)圖像記為Xr，將Y的左視點(diǎn)圖像記為Y1，將Y的右視點(diǎn)圖像記為Yk ; ②采用尺寸大小為8X8的滑動(dòng)窗口在X1中逐像素點(diǎn)移動(dòng)，將X1分割成MXN個(gè)相重疊的且尺寸大小為8X8的圖像塊，將浐中坐標(biāo)位置為(i，j)的圖像塊記為采用尺寸大小為8X8的滑動(dòng)窗口在Y"中逐像素點(diǎn)移動(dòng)，將Y"分割成MXN個(gè)相重疊的且尺寸大小為8X8的圖像塊，將粆中坐標(biāo)位置為(i，j)的圖像塊記為采用尺寸大小為8X8的滑動(dòng)窗口在Xk中逐像素點(diǎn)移動(dòng),將Xk分割成MXN個(gè)相重疊的且尺寸大小為8X8的圖像塊，將Xk中坐標(biāo)位置為(i，j)的圖像塊記為;采用尺寸大小為8X8的滑動(dòng)窗口在Yk中逐像素點(diǎn)移動(dòng)，將Yk分割成MXN個(gè)相重疊的且尺寸大小為8X8的圖像塊，將Yk中坐標(biāo)位置為(i，j)的圖像塊記為.V,〉 其中，M=H-7, N=ff-7, H表示X1、Yl、Xe和Ye的高度，W表示X1、Yl、Xe和Ye的寬度，K i < M, I ? N ;③計(jì)算X1中的每個(gè)圖像塊中的所有像素點(diǎn)的亮度均值和亮度標(biāo)準(zhǔn)差，并計(jì)算Y1中的每個(gè)圖像塊中的所有像素點(diǎn)的亮度均值和亮度標(biāo)準(zhǔn)差，將浐中坐標(biāo)位置為(i，j)的圖像塊中的所有像素點(diǎn)的亮度均值和亮度標(biāo)準(zhǔn)差對(duì)應(yīng)記為Α/、,和0V..’將Y1中坐標(biāo)位置為(i, j)的圖像塊‘中的所有像素點(diǎn)的亮度均值和亮度標(biāo)準(zhǔn)差對(duì)應(yīng)記為%和σ為’
3.根據(jù)權(quán)利要求2所述的一種立體圖像客觀質(zhì)量評(píng)價(jià)方法，其特征在于所述的步驟④中水平方向的3X3Soble算子
4.根據(jù)權(quán)利要求2或3所述的一種立體圖像客觀質(zhì)量評(píng)價(jià)方法，其特征在于所述的步驟⑥中取 C1=0.0UC2=0.02、C3=0.01。
【文檔編號(hào)】G06T7/00GK103745457SQ201310729004
【公開(kāi)日】2014年4月23日 申請(qǐng)日期:2013年12月25日 優(yōu)先權(quán)日:2013年12月25日
【發(fā)明者】蔣剛毅, 靳鑫, 丁晟, 宋洋, 鄭凱輝, 陳芬, 王曉東, 李福翠 申請(qǐng)人:寧波大學(xué)