的像素點(diǎn)的像素值。3. 根據(jù)權(quán)利要求1或2所述的基于雙目視覺感知的無(wú)參考立體圖像質(zhì)量客觀評(píng)價(jià)方 法，其特征在于所述的步驟②中的其中，0含/化（x，y)1，P咕"（x，.v)隸示L"s中坐標(biāo)位置為（X，y)的像素點(diǎn)與成化中坐標(biāo)位 置為（X，y)的像素點(diǎn)之間的結(jié)構(gòu)相似度值，〇'三;含1K!')表示Rdu中坐標(biāo)位 置為（x，y)的像素點(diǎn)與中坐標(biāo)位置為（x，y)的像素點(diǎn)之間的結(jié)構(gòu)相似度值。4. 根據(jù)權(quán)利要求3所述的基于雙目視覺感知的無(wú)參考立體圖像質(zhì)量客觀評(píng)價(jià)方法，其 特征在于所述的步驟②中的//α(x，j，；)的獲取過程為： ②-1、計(jì)算公的能量圖，記為町dw將Euu中坐標(biāo)位置為（x，y)的像素點(diǎn)的像素值記朱計(jì)算的能量圖，記為Emu，將Emu中坐標(biāo)位置 為（X，y)的像素點(diǎn)的像素值記為其中，p4''"（.Y，·)')表 示易中坐標(biāo)位置為（x，y)的像素點(diǎn)的像素值，'表示&W。中坐標(biāo)位置為（x，y) 的像素點(diǎn)的像素值，符號(hào)"II"為取絕對(duì)值符號(hào)； ②-2、計(jì)算爲(wèi)和的總能量圖，記為EDdu，將EDdu中坐標(biāo)位置為（X，y)的像素點(diǎn)的 像素值記巧②-3、根據(jù)能量比重對(duì)和與"。進(jìn)行線性加化得到會(huì)聚獨(dú)眼圖Ice，5.根據(jù)權(quán)利要求4所述的基于雙目視覺感知的無(wú)參考立體圖像質(zhì)量客觀評(píng)價(jià)方法，其 特征在于所述的步驟③-1的具體過程為：al、采用尺寸大小為ηXη的滑動(dòng)窗口，在I。。中W 逐像素點(diǎn)移動(dòng)的方式滑動(dòng)，將lee分割成（W-n+1)X(Η-η+1)個(gè)重疊的尺寸大小為ηΧη的圖 像塊，其中，η= 256 ;a2、對(duì)I。。中的每個(gè)圖像塊進(jìn)行曲波變換，使I中的每個(gè)圖像塊轉(zhuǎn)換 成S層不同尺度上的曲波系數(shù)，其中，S=log2(n)-3 = 1〇邑2(256)-3 = 5 ; 所述的步驟③-2的具體過程為：bl、將Icc中當(dāng)前待處理的第g個(gè)圖像塊定義為當(dāng)前圖 像塊，其中，1《g《（W-n+1)X(H-n+1) ;b2、將當(dāng)前圖像塊記為增d'g，將屬ft'gi對(duì)應(yīng)的第5 層尺度上的曲波系數(shù)記為0B'5;b3、計(jì)算ΘB'5包含的一個(gè)矩陣中的所有系數(shù)的幅值的對(duì)數(shù) 的經(jīng)驗(yàn)概率分布函數(shù)，記為h(ΘB'5) ;b4、利用非對(duì)稱廣義高斯分布擬合h(ΘB'5)，得到擬合 后的非對(duì)稱廣義高斯分布的幅值、均值、左標(biāo)準(zhǔn)偏差和右標(biāo)準(zhǔn)偏差，對(duì)應(yīng)記為滬5、μB'5、卻'5 和cf;b5、令g=g+1，然后將Icc中下一個(gè)待處理的圖像塊作為當(dāng)前圖像塊，再返回步驟b2繼續(xù)執(zhí)行，直至Icc中的所有圖像塊處理完畢，其中，g=g+1中的"="為賦值符號(hào)；b6、 獲取I。。在曲波域的尺度系數(shù)特征向量其中，fws的維 數(shù)為4，所述的步驟③-3的具體過程為：cl、將Icc中當(dāng)前待處理的第g個(gè)圖像塊定義為當(dāng)前 圖像塊；c2、將當(dāng)前圖像塊記為，將塔對(duì)應(yīng)的第4層尺度上的曲波系數(shù)記為ΘB'4; c3、從0B'4包含的64個(gè)方向矩陣中提取出前32個(gè)方向矩陣，將從ΘB'4包含的64個(gè)方向 矩陣中提取出的第t個(gè)方向矩陣記為批A'，其中，1《t《32,於的維數(shù)為?"0S4X??0S.4; c4、計(jì)算從θ-4包含的64個(gè)方向矩陣中提取出的每個(gè)方向矩陣的方向能量，將的 方向能量記為氣其中，；V,u(p，g)表示護(hù)'心中坐標(biāo)位置 為（P，q)的系數(shù)，1^/^"·',,. 符號(hào)"II"為取絕對(duì)值符號(hào)；c5、將從0B'4包 含的64個(gè)方向矩陣中提取出的水平方向和垂直方向的方向矩陣作為主要方向矩陣，且將 從ΘB'4包含的64個(gè)方向矩陣中提取出的其余方向的方向矩陣作為非主要方向矩陣；然 后計(jì)算從ΘB'4包含的64個(gè)方向矩陣中提取出的2個(gè)主要方向矩陣的方向能量的均值， 記為//1%并計(jì)算從ΘB'4包含的64個(gè)方向矩陣中提取出的30個(gè)非主要方向矩陣的方向 能量的均值，記為//：1_"。;;〇6、計(jì)算從08'4包含的64個(gè)方向矩陣中提取出的3〇個(gè)非主要 方向矩陣的方向能量的標(biāo)準(zhǔn)偏差，記為巧然后計(jì)算從0B'4包含的64個(gè)方向矩陣中 提取出的30個(gè)非主要方向矩陣的方向能量的變化系數(shù)，記為令g=g+1，然后將Ice中下一個(gè)待處理的圖像塊作為當(dāng)前圖像塊，再返回步驟c2繼續(xù) 執(zhí)行，直至lee中的所有圖像塊處理完畢，其中，g=g+1中的"="為賦值符號(hào)；c8、獲取 Icc在曲波域的方向能量分布特征向量其中，fwD的維數(shù)為2，符號(hào)"[]"為向量表示符 號(hào)； 所述的步驟③-4的具體過程為：dl、將Icc中當(dāng)前待處理的第g個(gè)圖像塊定義為當(dāng)前圖 像塊；d2、將當(dāng)前圖像塊記為/算As，將對(duì)應(yīng)的第j層尺度上的曲波系數(shù)記為0 '，其 中，1《j《S;d3、計(jì)算i沒As對(duì)應(yīng)的每層尺度上的曲波系數(shù)包含的每個(gè)矩陣中的每個(gè)系數(shù) 的幅值的對(duì)數(shù)；然后計(jì)算指對(duì)應(yīng)的每層尺度上的曲波系數(shù)包含的所有矩陣中的系數(shù)的 幅值的對(duì)數(shù)的均值；d4、根據(jù)/,苦t's對(duì)應(yīng)的每層尺度上的曲波系數(shù)包含的所有矩陣中的系 數(shù)的幅值的對(duì)數(shù)的均值，獲取/您對(duì)應(yīng)的每層尺度上的標(biāo)量能量，將/斧對(duì)應(yīng)的第j層 尺度上的標(biāo)量能量記為滬-';d5、計(jì)算/毀對(duì)應(yīng)的相鄰的兩層尺度之間的能量差，將 對(duì)應(yīng)的第j'+1層尺度與第j'層尺度之間的能量差記為cP，'，滬，'=eB'，'"-滬，';并計(jì)算 巧對(duì)應(yīng)的間隔的兩層尺度之間的能量差，將/,&自4'g對(duì)應(yīng)的第r-1層尺度與第r-3層 尺度之間的能量差記為ef'i''，eB'i"i-eB'i" 3;其中，1《j'《4,5《j"《6 ;d6、令g =g+1，然后將Icc中下一個(gè)待處理的圖像塊作為當(dāng)前圖像塊，再返回步驟d2繼續(xù)執(zhí)行，直 至Ic沖的所有圖像塊處理完畢，其中，g=g+1中的"="為賦值符號(hào)；d7、獲取IC廟曲波 域的標(biāo)量能量分布特征向量fw￡胃二萬(wàn)j，其中，fsED的維 數(shù)為6，j*《6,符號(hào)"[]"為向量表示符號(hào)； 所述的步驟③-5的具體過程為：el、對(duì)化du的直方圖進(jìn)行歸一化處理，得到歸一化后 的左視差圖直方圖，記為與1:";e2、采用零均值的廣義高斯分布擬合巧Γ，得到零均值的廣 義高斯分布的形狀參數(shù)和方差，對(duì)應(yīng)記為構(gòu)成化du的 特征向量，其中，fuL的維數(shù)為2,符號(hào)"[]"為向量表示符號(hào)； 所述的步驟③-6的具體過程為：fl、對(duì)Dmu的直方圖進(jìn)行歸一化處理，得到歸一化后 的左視差圖直方圖，記為公這^f2、采用零均值的廣義高斯分布擬合巧；1"，得到零均值的廣 義高斯分布的形狀參數(shù)和方差，對(duì)應(yīng)記關(guān)構(gòu)成Dmu的 特征向量，其中，fDu的維數(shù)為2,符號(hào)"[]"為向量表示符號(hào)； 所述的步驟③-7的具體過程為：gl、將U,du的直方圖記為巧;g2、采用對(duì)數(shù)正態(tài)分 布擬合公'、，得到對(duì)數(shù)正態(tài)分布的位置參數(shù)和尺度參數(shù)，對(duì)應(yīng)記為聾;和為:?;的、將Z篇，和 城；構(gòu)成lUs的特征向量fV，其中，勺維數(shù)為2,符號(hào)"[]"為向量表 不符號(hào)； 所述的步驟③-8的具體過程為：hl、將U,du的直方圖記為巧I;h2、采用對(duì)數(shù)正態(tài)分 布擬合，得到對(duì)數(shù)正態(tài)分布的位置參數(shù)和尺度參數(shù)，對(duì)應(yīng)記為邊J和《自:；h3、將和 趨構(gòu)成IW的特征向量fV;.，其中，fuK的維數(shù)為2,符號(hào)"[]"為向量表 不符號(hào)。6.根據(jù)權(quán)利要求5所述的基于雙目視覺感知的無(wú)參考立體圖像質(zhì)量客觀評(píng)價(jià)方法，其 特征在于所述的步驟⑥中構(gòu)造針對(duì)不同失真類型的失真立體圖像的支持向量回歸模型的 具體過程為： ⑥-1、采用Μ幅原始的無(wú)失真的立體圖像，建立其在不同失真類型不同失真程度下 的失真立體圖像集，該失真立體圖像集共包括庚，幅失真立體圖像，其中，Ν>1;然后利用 主觀質(zhì)量評(píng)價(jià)方法獲得該失真立體圖像集中的每幅失真立體圖像的平均主觀評(píng)分差值， 將該失真立體圖像集中的第k幅失真立體圖像的平均主觀評(píng)分差值記為D/W'aS'l，庚中， 1<皮《邸';再按照步驟①至步驟④的過程，W相同的方式獲取該失真立體圖像集中的每幅 失真立體圖像的特征向量，將該失真立體圖像集中的第k幅失真立體圖像的特征向量記為 巧。; ⑥-2、選取該失真立體圖像集中屬于第Z種失真類型的所有失真立體圖像，并將選取 的所有失真立體圖像的特征向量和平均主觀評(píng)分差值構(gòu)成的集合定義為當(dāng)前立體圖像訓(xùn) 練集，其中，1空;z:《送，1表示該失真立體圖像集中的失真立體圖像的失真類型的種類數(shù)，Z>1; ⑥-3、將當(dāng)前立體圖像訓(xùn)練集記為Ω,:其中，拽表示選取的第k' 幅失真立體圖像的特征向量，-??亦表示Ω,中的第k'個(gè)特征向量，義;表示選取的第 k'幅失真立體圖像的平均主觀評(píng)分差值，m/(巧亦表示Ω,中的第k'個(gè)平均主觀評(píng)分差 值，1《k'《氏，氏表示該失真立體圖像集中屬于第Z種失真類型的失真立體圖像的總幅 數(shù)； ⑥-4、構(gòu)造Ω,中的每個(gè)特征向量的支持向量回歸模型，將巧;的支持向量回歸模 型記為其中，f,()為針對(duì)第Z種失真類型的失 真立體圖像的特征向量的支持向量回歸模型的函數(shù)表示形式，1《1《K,，ω為權(quán)重 矢量，b為常數(shù)項(xiàng)，巧:表示Ω,中的第1個(gè)特征向量，W巧;，吃）表示乂巧的核函數(shù)，，exp()表示W(wǎng)自然基數(shù)e為底的指數(shù)函數(shù)，符號(hào)"IIII"為 求歐式距離符號(hào)，γ為核參數(shù)； ⑥-5、采用支持向量回歸對(duì)Ω,中的所有特征向量進(jìn)行訓(xùn)練，使得經(jīng)過訓(xùn)練 得到的回歸函數(shù)值與對(duì)應(yīng)的平均主觀評(píng)分差值之間的誤差最小，擬合得到最優(yōu) 的權(quán)重矢量ω。。,和最優(yōu)的常數(shù)項(xiàng)bwt，將ω。。,和bwt的組合記為（ω。。。bwt)，其中，Ψ表示對(duì)Ω,中的所有特征向量進(jìn)行訓(xùn) 練的所有的權(quán)重矢量和常數(shù)項(xiàng)的組合的集合，表示取使得的值最小的ω和b的值；然后利用得到的最優(yōu)的權(quán)重矢量和 最優(yōu)的常數(shù)項(xiàng)bwt構(gòu)造支持向量回歸模型，記為，其 中，ΡΓ為支持向量回歸模型的輸入向量，； ⑥-6、令Z=Z+1，然后選取該失真立體圖像集中屬于下一種失真類型的所有失真立體 圖像，并將選取的所有失真立體圖像的特征向量和平均主觀評(píng)分差值構(gòu)成的集合作為當(dāng)前 立體圖像訓(xùn)練集，再返回步驟⑥-3繼續(xù)執(zhí)行，直至該失真立體圖像集中屬于每種失真類型 的所有失真立體圖像均處理完畢，構(gòu)造得到針對(duì)不同失真類型的失真立體圖像的支持向量 回歸模型，其中，Z=Z+1中的"="為賦值符號(hào)。
【專利摘要】本發(fā)明公開了一種基于雙目視覺感知的無(wú)參考立體圖像質(zhì)量客觀評(píng)價(jià)方法，其利用能量增益控制模型構(gòu)建失真立體圖像的會(huì)聚獨(dú)眼圖，利用左、右視點(diǎn)圖像構(gòu)建左、右視差圖及不確定左、右圖；然后，對(duì)會(huì)聚獨(dú)眼圖提取曲波域特征，并分別在左、右視差圖及不確定左、右圖上提取廣義高斯擬合參數(shù)特征和對(duì)數(shù)正態(tài)分布擬合參數(shù)特征，將這三部分特征作為立體圖像特征信息；最后通過支持向量回歸建立立體圖像特征與平均主觀評(píng)分差值之間的關(guān)系，得到失真立體圖像的客觀質(zhì)量評(píng)價(jià)預(yù)測(cè)值；優(yōu)點(diǎn)在于獲得的失真立體圖像的特征向量具有較強(qiáng)的穩(wěn)定性且能夠反映失真立體圖像的質(zhì)量變化情況，與人眼的主觀感知具有很好的一致性，提高了客觀評(píng)價(jià)結(jié)果與主觀感知之間的相關(guān)性。
【IPC分類】H04N17/00, H04N13/00
【公開號(hào)】CN105407349
【申請(qǐng)?zhí)枴緾N201510855619
【發(fā)明人】郁梅, 王穎, 陳芬, 劉姍姍
【申請(qǐng)人】寧波大學(xué)
【公開日】2016年3月16日
【申請(qǐng)日】2015年11月30日