【摘要】 本发明公开了一种基于梯度结构张量的立体图像质量客观评价方法，其首先通过计算立体图像的左视点图像中的每个像素点的水平梯度、垂直梯度和视点梯度，计算每个像素点的梯度结构张量，并通过矩阵分解得到每个像素点的梯度结构张量的特征值和特征向量，然后通过区域检测法将左视点图像划分成敏感区域和非敏感区域，最后根据每个像素的区域类型，得到最终的图像质量客观评价预测值，优点在于所得到的梯度结构张量的特征值和特性向量具有较强的稳定性且能够较好地反映立体图像的质量变化情况，并且只对敏感区域的像素点进行评价，能有效地提高客观评价结果与主观感知的相关性。 【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】CN201210187815.6 【申请日】2012-06-05 【申请年份】2012 【公开公告号】CN102737380B 【公开公告日】2014-12-10 【公开公告年份】2014 【授权公告号】CN102737380B 【授权公告日】2014-12-10 【授权公告年份】2014.0 【IPC分类号】G06T7/00 【发明人】邵枫; 段芬芳; 郁梅; 蒋刚毅; 李福翠 【主权项内容】1.一种基于梯度结构张量的立体图像质量客观评价方法，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Sorg的左视点图像记为{Lorg(x, y)}，将Sorg的右视点图像记为{Rorg(x, y)}，将Sdis的左视点图像记为{Ldis(x, y)}，将Sdis的右视点图像记为{Rdis(x, y)}，其中，(x, y)表示左视点图像和右视点图像中的像素点的坐标位置，1≤x≤W，1≤y≤H，W表示左视点图像和右视点图像的宽度，H表示左视点图像和右视点图像的高度，Lorg(x, y)表示{Lorg(x, y)}中坐标位置为(x, y)的像素点的像素值，Rorg(x, y)表示{Rorg(x, y)}中坐标位置为(x, y)的像素点的像素值，Ldis(x, y)表示{Ldis(x, y)}中坐标位置为(x, y)的像素点的像素值，Rdis(x, y)表示{Rdis(x, y)}中坐标位置为(x, y)的像素点的像素值； ②计算{Lorg(x, y)}中的每个像素点的水平方向梯度、垂直方向梯度和视点方向梯度，将{Lorg(x, y)}中坐标位置为(x, y)的像素点的水平方向梯度记为 将{Lorg(x, y)}中坐标位置为(x, y)的像素点的垂直方向梯度记为 将{Lorg(x, y)}中坐标位置为(x, y)的像素点的视点方向梯度记为 计算{Ldis(x, y)}中的每个像素点的水平方向梯度、垂直方向梯度和视点方向梯度，将{Ldis(x, y)}中坐标位置为(x, y)的像素点的水平方向梯度记为 将{Ldis(x, y)}中坐标位置为(x, y)的像素点的垂直方向梯度记为 将{Ldis(x, y)}中坐标位置为(x, y)的像素点的视点方向梯度记为 所述的步骤②中{Lorg(x, y)}中的每个像素点的水平方向梯度、垂直方向梯度和视点方向梯度的获取过程为： ②-a1、采用块匹配法计算{Lorg(x, y)}与{Rorg(x, y)}之间的视差图像，记为 其中， 表示 中坐标位置为(x, y)的像素点的像素值； ②-a2、采用水平梯度算子M1对{Lorg(x, y)}进行卷积，得到{Lorg(x, y)}中的每个像素点的水平方向梯度，将{Lorg(x, y)}中坐标位置为(x, y)的像素点的水平方向梯度记为 其中， Lorg(x-3+i, y-3+j)表示{Lorg(x, y)}中坐标位置为(x-3+i, y-3+j)的像素点的像素值，M1(i, j)表示M1中坐标位置为(i, j)处的值； ②-a3、采用垂直梯度算子M2对{Lorg(x, y)}进行卷积，得到{Lorg(x, y)}中的每个像素点的垂直方向梯度，将{Lorg(x, y)}中坐标位置为(x, y)的像素点的垂直方向梯度记为 其中， M2(i, j)表示M2中坐标位置为(i, j)处的值； ②-a4、采用对角梯度算子M3和M4分别对{Lorg(x, y)}进行卷积，得到{Lorg(x, y)}中的每个像素点的视点方向梯度，将{Lorg(x, y)}中坐标位置为(x, y)的像素点的视点方向梯度记为 其中，max为取最大值函数， 表示{Rorg(x, y)}中坐标位置为 的像素点的像素值，M3(i, j)表示M3中坐标位置为(i, j)处的值，M4(i, j)表示M4中坐标位置为(i, j)处的值； 所述的步骤②中{Ldis(x, y)}中的每个像素点的水平方向梯度、垂直方向梯度和视点方向梯度的获取过程为： ②-b1、采用块匹配法计算{Ldis(x, y)}与{Rdis(x, y)}之间的视差图像，记为 其中， 表示 中坐标位置为(x, y)的像素点的像素值； ②-b2、采用水平梯度算子M1对{Ldis(x, y)}进行卷积，得到{Ldis(x, y)}中的每个像素点的水平方向梯度，将{Ldis(x, y)}中坐标位置为(x, y)的像素点的水平方向梯度记为 其中， Ldis(x-3+i, y-3+j)表示{Ldis(x, y)}中坐标位置为(x-3+i, y-3+j)的像素点的像素值，M1(i, j)表示M1中坐标位置为(i, j)处的值； ②-b3、采用垂直梯度算子M2对{Ldis(x, y)}进行卷积，得到{Ldis(x, y)}中的每个像素点的垂直方向梯度，将{Ldis(x, y)}中坐标位置为(x, y)的像素点的垂直方向梯度记为 其中， M2(i, j)表示M2中坐标位置为(i, j)处的值； ②-b4、采用对角梯度算子M3和M4分别对{Ldis(x, y)}进行卷积，得到{Ldis(x, y)}中的每个像素点的视点方向梯度，将{Ldis(x, y)}中坐标位置为(x, y)的像素点的视点方向梯度记为 其中，max为取最大值函数， 表示{Rdis(x, y)}中坐标位置为 的像素点的像素值，M3(i, j)表示M3中坐标位置为(i, j)处的值，M4(i, j)表示M4中坐标位置为(i, j)处的值； ③利用区域检测算法分别获取{Ldis(x, y)}中的每个像素点的区域类型，记为p，其中，p∈{1, 2}，p＝1表示敏感区域，p＝2表示非敏感区域； ④根据{Lorg(x, y)}中的每个像素点的水平方向梯度、垂直方向梯度和视点方向梯度，计算{Lorg(x, y)}中的每个像素点的梯度结构张量，将{Lorg(x, y)}中坐标位置为(x, y)的像素点的梯度结构张量记为Ζorg(x, y)， 根据{Ldis(x, y)}中的每个像素点的水平方向梯度、垂直方向梯度和视点方向梯度，计算{Ldis(x, y)}中的每个像素点的梯度结构张量，将{Ldis(x, y)}中坐标位置为(x, y)的像素点的梯度结构张量记为Ζdis(x, y)， 其中，符号“[]”表示矩阵表示符号； ⑤根据{Lorg(x, y)}和{Ldis(x, y)}中的每个像素点的梯度结构张量，计算{Ldis(x, y)}中的每个像素点的客观评价度量值，将{Ldis(x, y)}中坐标位置为(x, y)的像素点的客观评价度量值记为QL(x, y)； 所述的步骤⑤的具体过程为： ⑤-1、对{Lorg(x, y)}中的每个像素点的梯度结构张量进行矩阵分解，对于{Lorg(x, y)}中坐标位置为(x, y)的像素点的梯度结构张量Ζorg(x, y)， 其中， 和 表示Ζorg(x, y)的特征值， 和 表示Ζorg(x, y)的特征向量， 表示 的转置矩阵， 表示 的转置矩阵， 表示 的转置矩阵； ⑤-2、对{Ldis(x, y)}中的每个像素点的梯度结构张量进行矩阵分解，对于{Ldis(x, y)}中坐标位置为(x, y)的像素点的梯度结构张量Ζdis(x, y)， 其中， 和 表示Ζdis(x, y)的特征值， 和 表示Ζdis(x, y)的特征向量， 表示 的转置矩阵， 表示 的转置矩阵， 表示 的转置矩阵； ⑤-3、计算{Ldis(x, y)}中的每个像素点的客观评价度量值，将{Ldis(x, y)}中坐标位置为(x, y)的像素点的客观评价度量值记为QL(x, y)， 其中， 表示 和 中的最大特征值， 表示 和 中的最大特征值， 表示 对应的特征向量， 表示 对应的特征向量，符号“<>”为向量的内积操作符号； ⑥根据{Ldis(x, y)}中的每个像素点的区域类型，计算Sdis的图像质量客观评价预测值，记为Q， 其中， 表示{Ldis(x, y)}中的区域类型为p＝1的像素点的个数， 表示{Ldis(x, y)}中的所有区域类型为p＝1的像素点构成的区域； ⑦采用n幅原始的无失真的立体图像，建立其在不同失真类型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； ⑧按照步骤①至步骤⑥计算Sdis的图像质量客观评价预测值的操作，分别计算失真立体图像集合中每幅失真的立体图像的图像质量客观评价预测值。 【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】1.0 【被引证次数】2 【自引次数】1.0 【被他引次数】2.0 【家族引证次数】6.0 【家族被引证次数】10

未经允许不得转载：http://www.zhongzhencnc.com/1791358153.html