[發(fā)明專(zhuān)利]一種無(wú)參考立體混合失真圖像質(zhì)量評(píng)價(jià)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011097823.2
• 申請(qǐng)日: 2020-10-14
• 公開(kāi)（公告）號(hào): CN112233089B
• 公開(kāi)（公告）日: 2022-10-25
• 發(fā)明（設(shè)計(jì)）人: 張譯;禹冬曄;牟軒沁
• 申請(qǐng)（專(zhuān)利權(quán)）人: 西安交通大學(xué)
• 主分類(lèi)號(hào): G06T7/00
• 分類(lèi)號(hào): G06T7/00;G06V10/764
• 代理公司: 西安通大專(zhuān)利代理有限責(zé)任公司 61200
• 代理人: 馬貴香

1.一種無(wú)參考立體混合失真圖像質(zhì)量評(píng)價(jià)方法，其特征在于，包括以下步驟：

步驟一，識(shí)別立體圖像的左、右眼視圖的失真類(lèi)型，計(jì)算失真類(lèi)型的失真參數(shù)，獲得左、右眼視圖的質(zhì)量評(píng)分；

步驟二，構(gòu)建符合人眼立體視覺(jué)特性的雙目融合圖像，并得出雙目融合圖像的質(zhì)量評(píng)分；具體方法如下：

第一步，采用C-BM3D算法對(duì)左、右眼視圖進(jìn)行降噪處理；

第二步，利用光流算法計(jì)算得到視差圖；

第三步，采用基于質(zhì)量補(bǔ)償?shù)亩嗤ǖ缹?duì)比度增益控制模型，構(gòu)建雙目融合圖像；

第四步，識(shí)別雙目融合圖像的左、右眼視圖的失真類(lèi)型，計(jì)算失真類(lèi)型的失真參數(shù)，得出雙目融合圖像的質(zhì)量評(píng)分；

在構(gòu)建雙目融合圖像的過(guò)程中，質(zhì)量差的視圖通過(guò)被賦予大權(quán)重進(jìn)行補(bǔ)償；當(dāng)?shù)唾|(zhì)量視圖不含噪聲且估計(jì)的JPEG壓縮參數(shù)小于某一閾值Q_T時(shí)，對(duì)質(zhì)量較好的視圖進(jìn)行JPEG壓縮，新壓縮的圖像將作為計(jì)算雙目融合圖像的輸入；

步驟三，將步驟一得到的左、右眼視圖的質(zhì)量評(píng)分與步驟二得到的雙目融合圖像的質(zhì)量評(píng)分相結(jié)合，得出立體圖像質(zhì)量的最終評(píng)分。

2.根據(jù)權(quán)利要求1所述的一種無(wú)參考立體混合失真圖像質(zhì)量評(píng)價(jià)方法，其特征在于，步驟一的具體方法如下：

第一步，采用雙層分類(lèi)模型，通過(guò)特征提取，區(qū)分所有失真類(lèi)型的所有組合形式；

第二步，采用回歸模型計(jì)算所有失真類(lèi)型對(duì)應(yīng)的失真參數(shù)；

第三步，擬合失真參數(shù)與圖像質(zhì)量的關(guān)系，利用混合失真聯(lián)合降質(zhì)效應(yīng)，得到左、右眼視圖的質(zhì)量評(píng)分。

3.根據(jù)權(quán)利要求2所述的一種無(wú)參考立體混合失真圖像質(zhì)量評(píng)價(jià)方法，其特征在于，訓(xùn)練雙層分類(lèi)模型時(shí)，通過(guò)對(duì)原始圖像添加失真類(lèi)型生成失真圖像數(shù)據(jù)庫(kù)，并從失真圖像中提取特征作為訓(xùn)練數(shù)據(jù)，使用支持向量機(jī)進(jìn)行訓(xùn)練；每個(gè)分類(lèi)模型都有兩個(gè)的輸出，即分類(lèi)標(biāo)簽和分類(lèi)概率，分類(lèi)標(biāo)簽和分類(lèi)概率與相應(yīng)的回歸模型結(jié)合，采用概率加權(quán)求和的方法計(jì)算失真參數(shù)值。

4.根據(jù)權(quán)利要求1所述的一種無(wú)參考立體混合失真圖像質(zhì)量評(píng)價(jià)方法，其特征在于，步驟三的具體方法如下：

將步驟一得出的左、右眼視圖質(zhì)量評(píng)分進(jìn)行對(duì)比度加權(quán)，得出兩視圖的組合質(zhì)量，將兩視圖的組合質(zhì)量與步驟二得出的雙目融合圖像質(zhì)量評(píng)分的乘積的開(kāi)方，得到立體圖像的最終質(zhì)量評(píng)分。