[發(fā)明專利]基于熵的雙視點(diǎn)無參考立體圖像質(zhì)量客觀評(píng)價(jià)方法

有效

• 申請?zhí)枺?/td>: 201610915951.0
• 申請日: 2016-10-20
• 公開（公告）號(hào): CN106651835B
• 公開（公告）日: 2020-03-06
• 發(fā)明（設(shè)計(jì)）人: 楊嘉琛;林彥聰;姜斌;汪亞芳;沈教勛
• 申請（專利權(quán)）人: 天津大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06K9/62
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所 12201
• 代理人: 程毓英

本發(fā)明涉及一種基于熵的雙視點(diǎn)無參考立體圖像質(zhì)量客觀評(píng)價(jià)方法，包括：對(duì)失真圖像對(duì)分別進(jìn)行二維Gabor濾波，得到左圖和右圖的加權(quán)因子；加權(quán)運(yùn)算，得到失真圖像對(duì)的視覺感知圖；利用K?SVD進(jìn)行字典學(xué)習(xí)；利用OMP法進(jìn)行稀疏表示，得到相應(yīng)的系數(shù)矩陣C；對(duì)視覺感知圖像稀疏表示后的系數(shù)矩陣C進(jìn)行求熵操作；利用SVM對(duì)圖像庫中圖像對(duì)的熵及相應(yīng)的主觀評(píng)價(jià)值DMOS進(jìn)行訓(xùn)練，得到相應(yīng)的熵?DMOS模型。本發(fā)明能夠充分考慮雙視點(diǎn)特性。

技術(shù)領(lǐng)域

本發(fā)明屬圖像處理領(lǐng)域，涉及基于熵的雙視點(diǎn)無參考立體圖像質(zhì)量客觀評(píng)價(jià)方法。

背景技術(shù)

近年來，三維技術(shù)逐漸普及，步入大眾生活，為觀眾帶來了更好的視覺體驗(yàn)和臨場感，但同時(shí)也對(duì)立體圖像的質(zhì)量提出了更高的要求。由于立體圖像的不恰當(dāng)處理可能會(huì)引起觀看者的視覺疲勞與不適，因此十分有必要提出一種統(tǒng)一、客觀、有效的立體圖像質(zhì)量評(píng)價(jià)方法對(duì)立體圖像質(zhì)量進(jìn)行準(zhǔn)確的預(yù)測。

現(xiàn)有的立體圖像質(zhì)量評(píng)價(jià)方法主要包括基于平面圖像質(zhì)量參數(shù)的評(píng)價(jià)方法和基于人類視覺基本特性的評(píng)價(jià)方法兩種。但是，基于平面圖像質(zhì)量參數(shù)的評(píng)價(jià)方法沒有充分考慮人類視覺特性，缺少對(duì)立體信息有效利用，因而難以投入實(shí)踐。現(xiàn)有的基于人類視覺基本特性的評(píng)價(jià)方法中最重要的一步是立體匹配，但是如何有效地提取立體信息，合理地進(jìn)行匹配，仍然是立體圖像領(lǐng)域關(guān)注的焦點(diǎn)。因此，很有必要建立一個(gè)以立體圖像基本信息為基礎(chǔ)，又充分考慮人類視覺特性的立體圖像質(zhì)量客觀評(píng)價(jià)方法。

此外，鑒于現(xiàn)有的立體圖像質(zhì)量評(píng)價(jià)方法需要原始的參考圖像作為評(píng)價(jià)依據(jù)，因此具有很大的局限性，所以無參考(即不需要原始的參考圖像對(duì)做評(píng)價(jià)依據(jù))立體圖像質(zhì)量評(píng)價(jià)方法應(yīng)運(yùn)而生。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的上述不足，提供一種能夠充分考慮雙視點(diǎn)特性的無參考立體圖像質(zhì)量客觀評(píng)價(jià)方法；本發(fā)明的技術(shù)方案如下：

一種基于熵的雙視點(diǎn)無參考立體圖像質(zhì)量客觀評(píng)價(jià)方法，每個(gè)失真立體圖像對(duì)由左圖和右圖組成，設(shè)失真圖像對(duì)為(t_l,t_r)，包括以下步驟：

第一步：模擬人類視覺特性，對(duì)失真圖像對(duì)的左圖和右圖分別進(jìn)行二維Gabor濾波，得到左圖和右圖的加權(quán)因子:W_L(x,y)和W_R((x+d),y)，其中，(x,y)為像素點(diǎn)坐標(biāo)，d表示對(duì)右圖進(jìn)行視差補(bǔ)償?shù)南袼攸c(diǎn)橫坐標(biāo)差值；

第二步：將失真圖像對(duì)(t_l,t_r)進(jìn)行加權(quán)運(yùn)算，得到失真圖像對(duì)的視覺感知圖V(x,y)；

第三步：利用奇異值分解算法K-SVD進(jìn)行字典學(xué)習(xí)；

第四步：利用正交匹配追蹤算法OMP對(duì)V(x,y)進(jìn)行稀疏表示，得到相應(yīng)的系數(shù)矩陣C；

第五步：對(duì)視覺感知圖像V(x,y)稀疏表示后的系數(shù)矩陣C進(jìn)行求熵操作，得到其熵E；

第六步：對(duì)立體圖像庫中的每一組失真圖像對(duì)進(jìn)行第一步至第五步操作，設(shè)立體圖像庫中有Q組立體圖像對(duì)，可以得到Q組圖像對(duì)各自的熵E；

第七步：利用支持向量機(jī)SVM對(duì)圖像庫中圖像對(duì)的熵及相應(yīng)的主觀評(píng)價(jià)值(DMOS)進(jìn)行訓(xùn)練，具體如下，隨機(jī)選擇Q×80％幅圖像對(duì)的熵和DMOS用于訓(xùn)練，得到相應(yīng)的熵-DMOS模型；

第八步：對(duì)任意一組失真圖像對(duì)，進(jìn)行第一步至第五步操作，得到對(duì)應(yīng)的熵；根據(jù)第七步中得到的熵-DMOS模型，利用SVM對(duì)該圖像對(duì)的客觀預(yù)測值進(jìn)行預(yù)測，到最終的客觀預(yù)測值。

本發(fā)明所提出的立體圖像客觀質(zhì)量評(píng)價(jià)方法以視覺感知圖像的熵為基礎(chǔ)，通過稀疏表示的方式，把熵與視覺感知過程相結(jié)合，充分模擬了立體圖像主觀評(píng)價(jià)的過程，得到的立體圖像質(zhì)量客觀評(píng)價(jià)結(jié)果與主觀評(píng)價(jià)結(jié)果具有很高的一致性，能夠較為準(zhǔn)確的反映圖像的質(zhì)量。

附圖說明