【摘要】 本发明公开了一种基于结构失真的立体图像客观质量评价方法，其首先分别对无失真的立体图像和失真的立体图像的左右视点图像进行区域划分，得到人眼敏感区域和相应的非敏感区域，然后从结构幅值失真和结构方向失真两方面分别得出敏感区域和非敏感区域的评价指标；其次获取左右视点图像质量评价值；再次采样奇异值差异和剥夺奇异值后的残余图像的均值偏差率来衡量立体图像的深度感知的畸变情况，从而获得立体感知质量的评价值；最后结合左右视点图像质量和立体感知质量，得到立体图像的最终质量评价结果，由于本发明方法避免模拟人眼视觉系统的各个组成部分，而充分利用了立体图像的结构信息，因此有效地提高了客观评价结果与主观感知的一致性。。 【专利类型】发明授权 【申请人】宁波大学 【申请人类型】学校 【申请人地址】315211 浙江省宁波市江北区风华路818号 【申请人地区】中国 【申请人城市】宁波市 【申请人区县】江北区 【申请号】CN201210145034.0 【申请日】2012-05-11 【申请年份】2012 【公开公告号】CN102708568B 【公开公告日】2014-11-05 【公开公告年份】2014 【授权公告号】CN102708568B 【授权公告日】2014-11-05 【授权公告年份】2014.0 【IPC分类号】G06T7/00 【发明人】蒋刚毅; 毛香英; 王晓东; 郁梅; 周俊明; 彭宗举; 邵枫 【主权项内容】一种基于结构失真的立体图像客观质量评价方法，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，将原始的无失真的立体图像Sorg的左视点灰度图像记为Lorg，将原始的无失真的立体图像Sorg的右视点灰度图像记为Rorg，将待评价的失真的立体图像Sdis的左视点灰度图像记为Ldis，将待评价的失真的立体图像Sdis的右视点灰度图像记为Rdis；②对Lorg和Ldis、Rorg和Rdis4幅图像分别实施区域划分，分别得到Lorg和Ldis、Rorg和Rdis4幅图像各自对应的敏感区域矩阵映射图，将Lorg和Ldis分别实施区域划分后得到的各自对应的敏感区域矩阵映射图的系数矩阵均记为AL，对于AL中坐标位置为(i, j)处的系数值，将其记为AL(i, j)，将Rorg和Rdis分别实施区域划分后得到的各自对应的敏感区域矩阵映射图的系数矩阵均记为AR，对于AR中坐标位置为(i, j)处的系数值，将其记为AR(i, j)，其中，此处0≤i≤(W-8)，0≤j≤(H-8)，W表示Lorg、Ldis、Rorg和Rdis的宽，H表示Lorg、Ldis、Rorg和Rdis的高；③将Lorg和Ldis2幅图像分别分割成(W-7)×(H-7)个尺寸大小为8×8的重叠块，然后计算Lorg和Ldis2幅图像中所有坐标位置相同的两个重叠块的结构幅值失真映射图，将该结构幅值失真映射图的系数矩阵记为BL，对于BL中坐标位置为(i, j)处的系数值，将其记为BL(i, j)，BL(i, j)=2× σ org, dis, L(i, j)+C1(σ org, L(i, j))2+(σ dis, L(i, j))2+C1, ]]>其中，BL(i, j)亦表示Lorg中左上角坐标位置为(i, j)的尺寸大小为8×8的重叠块与Ldis中左上角坐标位置为(i, j)的尺寸大小为8×8的重叠块的结构幅值失真值，σ org, L(i, j)=164Σ x=07Σ y=07(Lorg(i+x, j+y)-Uorg, L(i, j))2, ]]>Uorg, L(i, j)=164Σ x=07Σ y=07Lorg(i+x, j+y), ]]>σ dis, L(i, j)=164Σ x=07Σ y=07(Ldis(i+x, j+y)-Udis, L(i, j))2, ]]>Udis, L(i, j)=164Σ x=07Σ y=07Ldis(i+x, j+y), ]]>σ org, dis, L(i, j)=164Σ x=07Σ y=07((Lorg(i+x, j+y)-Uorg, L(i, j))× (Ldis(i+x, j+y)-Udis, L(i, j))), ]]>Lorg(i+x, j+y)表示Lorg中坐标位置为(i+x, j+y)的像素点的像素值，Ldis(i+x, j+y)表示Ldis中坐标位置为(i+x, j+y)的像素点的像素值，C1表示常数，此处0≤i≤(W-8)，0≤j≤(H-8)；将Rorg和Rdis2幅图像分别分割成(W-7)×(H-7)个尺寸大小为8×8的重叠块，然后计算Rorg和Rdis2幅图像中所有坐标位置相同的两个重叠块的结构幅值失真映射图，将该结构幅值失真映射图的系数矩阵记为BR，对于BR中坐标位置为(i, j)处的系数值，将其记为BR(i, j)，BR(i, j)=2× σ org, dis, R(i, j)+C1(σ org, R(i, j))2+(σ dis, R(i, j))2+C1, ]]>其中，BR(i, j)亦表示Rorg中左上角坐标位置为(i, j)的尺寸大小为8×8的重叠块与Rdis中左上角坐标位置为(i, j)的尺寸大小为8×8的重叠块的结构幅值失真值，σ org, R(i, j)=164Σ x=07Σ y=07(Rorg(i+x, j+y)-Uorg, R(i, j))2, ]]>Uorg, R(i, j)=164Σ x=07Σ y=07Rorg(i+x, j+y), ]]>σ dis, R(i, j)=164Σ x=07Σ y=07(Rdis(i+x, j+y)-Udis, R(i, j))2, ]]>Udis, R(i, j)=164Σ x=07Σ y=07Rdis(i+x, j+y), ]]>σ org, dis, R(i, j)=164Σ x=07Σ y=07((Rorg(i+x, j+y)-Uorg, R(i, j))× (Rdis(i+x, j+y)-Udis, R(i, j))), ]]>Rorg(i+x, j+y)表示Rorg中坐标位置为(i+x, j+y)的像素点的像素值，Rdis(i+x, j+y)表示Rdis中坐标位置为(i+x, j+y)的像素点的像素值，C1表示常数，此处0≤i≤(W-8)，0≤j≤(H-8)；④对Lorg和Ldis2幅图像分别实施水平及垂直方向Sobel算子处理，分别得到Lorg和Ldis2幅图像各自对应的水平方向梯度矩阵映射图和垂直方向梯度矩阵映射图，将Lorg实施水平方向Sobel算子处理后得到的对应的水平方向梯度矩阵映射图的系数矩阵记为Ih, org, L，对于Ih, org, L中坐标位置为(i, j)处的系数值，将其记为Ih, org, L(i, j)，Ih, org, L(i, j)=Lorg(i+2, j)+2Lorg(i+2, j+1)+Lorg(i+2, j+2)-Lorg(i, j)-2Lorg(i, j+1)-Lorg(i, j+2), ]]>将Lorg实施垂直方向Sobel算子处理后得到的对应的垂直方向梯度矩阵映射图的系数矩阵记为Iv, org, L，对于Iv, org, L中坐标位置为(i, j)处的系数值，将其记为Iv, org, L(i, j)，Iv, org, L(i, j)=Lorg(i, j+2)+2Lorg(i+1, j+2)+Lorg(i+2, j+2)-Lorg(i, j)-2Lorg(i+1, j)-Lorg(i+2, j), ]]>将Ldis实施水平方向Sobel算子处理后得到的对应的水平方向梯度矩阵映射图的系数矩阵记为Ih, dis, L，对于Ih, dis, L中坐标位置为(i, j)处的系数值，将其记为Ih, dis, L(i, j)，Ih, dis, L(i, j)=Ldis(i+2, j)+2Ldis(i+2, j+1)+Ldis(i+2, j+2)-Ldis(i, j)-2Ldis(i, j+1)-Ldis(i, j+2), ]]>将Ldis实施垂直方向Sobel算子处理后得到的对应的垂直方向梯度矩阵映射图的系数矩阵记为Iv, dis, L，对于Iv, dis, L中坐标位置为(i, j)处的系数值，将其记为Iv, dis, L(i, j)，Iv, dis, L(i, j)=Ldis(i, j+2)+2Ldis(i+1, j+2)+Ldis(i+2, j+2)-Ldis(i, j)-2Ldis(i+1, j)-Ldis(i+2, j), ]]>其中，Lorg(i+2, j)、Lorg(i+2, j+1)、Lorg(i+2, j+2)、Lorg(i, j)、Lorg(i, j+1)、Lorg(i, j+2)、Lorg(i+1, j+2)、Lorg(i+1, j)分别对应表示Lorg中坐标位置为(i+2, j)、(i+2, j+1)、(i+2, j+2)、(i, j)、(i, j+1)、(i, j+2)、(i+1, j+2)、(i+1, j)的像素点的像素值，Ldis(i+2, j)、Ldis(i+2, j+1)、Ldis(i+2, j+2)、Ldis(i, j)、Ldis(i, j+1)、Ldis(i, j+2)、Ldis(i+1, j+2)、Ldis(i+1, j)分别对应表示Ldis中坐标位置为(i+2, j)、(i+2, j+1)、(i+2, j+2)、(i, j)、(i, j+1)、(i, j+2)、(i+1, j+2)、(i+1, j)的像素点的像素值；对Rorg和Rdis2幅图像分别实施水平及垂直方向Sobel算子处理，分别得到Rorg和Rdis2幅图像各自对应的水平方向梯度矩阵映射图和垂直方向梯度矩阵映射图，将Rorg实施水平方向Sobel算子处理后得到的对应的水平方向梯度矩阵映射图的系数矩阵记为Ih, org, R，对于Ih, org, R中坐标位置为(i, j)处的系数值，将其记为Ih, org, R(i, j)，Ih, org, R(i, j)=Rorg(i+2, j)+2Rorg(i+2, j+1)+Rorg(i+2, j+2)-Rorg(i, j)-2Rorg(i, j+1)-Rorg(i, j+2), ]]>将Rorg实施垂直方向Sobel算子处理后得到的对应的垂直方向梯度矩阵映射图的系数矩阵记为Iv, org, R，对于Iv, org, R中坐标位置为(i, j)处的系数值，将其记为Iv, org, R(i, j)，Iv, org, R(i, j)=Rorg(i, j+2)+2Rorg(i+1, j+2)+Rorg(i+2, j+2)-Rorg(i, j)-2Rorg(i+1, j)-Rorg(i+2, j), ]]>将Rdis实施水平方向Sobel算子处理后得到的对应的水平方向梯度矩阵映射图的系数矩阵记为Ih, dis, R，对于Ih, dis, R中坐标位置为(i, j)处的系数值，将其记为Ih, dis, R(i, j)，Ih, dis, R(i, j)=Rdis(i+2, j)+2Rdis(i+2, j+1)+Rdis(i+2, j+2)-Rdis(i, j)-2Rdis(i, j+1)-Rdis(i, j+2), ]]>将Rdis实施垂直方向Sobel算子处理后得到的对应的垂直方向梯度矩阵映射图的系数矩阵记为Iv, dis, R，对于Iv, dis, R中坐标位置为(i, j)处的系数值，将其记为Iv, dis, R(i, j)，Iv, dis, R(i, j)=Rdis(i, j+2)+2Rdis(i+1, j+2)+Rdis(i+2, j+2)-Rdis(i, j)-2Rdis(i+1, j)-Rdis(i+2, j), ]]>其中，Rorg(i+2, j)、Rorg(i+2, j+1)、Rorg(i+2, j+2)、Rorg(i, j)、Rorg(i, j+1)、Rorg(i, j+2)、Rorg(i+1, j+2)、Rorg(i+1, j)分别对应表示Rorg中坐标位置为(i+2, j)、(i+2, j+1)、(i+2, j+2)、(i, j)、(i, j+1)、(i, j+2)、(i+1, j+2)、(i+1, j)的像素点的像素值，Rdis(i+2, j)、Rdis(i+2, j+1)、Rdis(i+2, j+2)、Rdis(i, j)、Rdis(i, j+1)、Rdis(i, j+2)、Rdis(i+1, j+2)、Rdis(i+1, j)分别对应表示Rdis中坐标位置为(i+2, j)、(i+2, j+1)、(i+2, j+2)、(i, j)、(i, j+1)、(i, j+2)、(i+1, j+2)、(i+1, j)的像素点的像素值；⑤计算Lorg和Ldis2幅图像中所有坐标位置相同的两个重叠块的结构方向失真映射图，将该结构方向失真映射图的系数矩阵记为EL，对于EL中坐标位置为(i, j)处的系数值，将其记为EL(i, j)，EL(i, j)=Ih, org, L(i, j)× Ih, dis, L(i, j)+Iv, org, L(i, j)× Iv, dis, L(i, j)+C2(Ih, org, L(i, j))2+(Iv, org, L(i, j))2× (Ih, dis, L(i, j))2+(Iv, dis, L(i, j))2+C2, ]]>其中，C2表示常数；计算Rorg和Rdis2幅图像中所有坐标位置相同的两个重叠块的结构方向失真映射图，将该结构方向失真映射图的系数矩阵记为ER，对于ER中坐标位置为(i, j)处的系数值，将其记为ER(i, j)，ER(i, j)=Ih, org, R(i, j)× Ih, dis, R(i, j)+Iv, org, R(i, j)× Iv, dis, R(i, j)+C2(Ih, org, R(i, j))2+(Iv, org, R(i, j))2× (Ih, dis, R(i, j))2+(Iv, dis, R(i, j))2+C2; ]]>⑥计算Lorg和Ldis的结构失真评价值，记为QL，QL＝ω1×Qm, L+ω2×Qnm, L，Qm, L=1NL, mΣ i=0W-8Σ j=0H-8(0.5× (BL(i, j)+EL(i, j))× AL(i, j)), ]]>NL, m=Σ i=0W-8Σ j=0H-8AL(i, j), ]]>Qnm, L=1NL, nmΣ i=0W-8Σ j=0H-8(0.5× (BL(i, j)+EL(i, j))× (1-AL(i, j))), ]]>NL, nm=Σ i=0W-8Σ j=0H-8(1-AL(i, j)), ]]>其中，ω1表示Lorg和Ldis中敏感区域的权重值，ω2表示Lorg和Ldis中非敏感区域的权重值；计算Rorg和Rdis的结构失真评价值，记为QR，QR＝ω'1×Qm, R+ω'2×Qnm, R，Qm, R=1NR, mΣ i=0W-8Σ j=0H-8(0.5× (BR(i, j)+ER(i, j))× AR(i, j)), ]]>NR, m=Σ i=0W-8Σ j=0H-8AR(i, j), ]]>Qnm, R=1NR, nmΣ i=0W-8Σ j=0H-8(0.5× (BR(i, j)+ER(i, j))× (1-AR(i, j))), ]]>NR, nm=Σ i=0W-8Σ j=0H-8(1-AR(i, j)), ]]>其中，ω'1表示Rorg和Rdis中敏感区域的权重值，ω'2表示Rorg和Rdis中非敏感区域的权重值；⑦根据QL和QR计算待评价的失真的立体图像Sdis相对于原始的无失真的立体图像Sorg的空间频率相似度度量，记为QF，QF＝β1×QL+(1-β1)×QR，其中，β1表示QL的权值；⑧计算Lorg和Rorg的绝对差值图像，以矩阵形式表示为计算Ldis和Rdis的绝对差值图像，以矩阵形式表示为其中，“ 【当前权利人】宁波大学 【当前专利权人地址】浙江省宁波市江北区风华路818号宁波大学 【统一社会信用代码】123300004195291066 【引证次数】6.0 【自引次数】2.0 【他引次数】4.0 【家族引证次数】6.0 【家族被引证次数】11

未经允许不得转载：http://www.zhongzhencnc.com/1791356771.html