专利名称：一种基于矩阵分解的立体图像客观质量评价方法
技术领域：
本发明涉及一种图像质量评价方法，尤其是涉及一种基于矩阵分解的立体图像客观质量评价方法。
背景技术：
随着互联网、通信、多媒体信息以及图像处理技术的快速发展，立体图像技术的应用越来越广泛，如应用于立体数字电视、三维视频会议系统、消费电子等诸多领域。然而，具有深度感和临场感的立体图像在图像采集、编码压缩、网络传输等领域中都会引起质量的损失，因此如何衡量这种失真程度就显得非常重要。目前，用于评价图像质量的方法主要有利用平面的峰值信噪比进行图像质量评价的方法和利用结构相似度线性加权进行图像质量评价的方法。这两种图像质量评价方法主要用于评价平面图像的质量，由于它们缺乏考虑立体图像的深度感知问题，因此如果用它们来评价立体图像的质量，则客观评价结果与主观感知之间的一致性会很差。发明内容
本发明所要解决的技术问题是提供一种能够有效地提高客观评价结果与主观感知之间的相关性，能够准确衡量立体图像的失真程度的基于矩阵分解的立体图像客观质量评价方法。
本发明解决上述技术问题所采用的技术方案为一种基于矩阵分解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Sots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Sots 的左视点图像记为LOTg，将SOTg的右视点图像记为ROTg，将Sdis的左视点图像记为Ldis,将Sdis 的右视点图像记为Rdis ;
②将LOTg、ROTg、Ldis和Rdis4幅图像分别分割成(W-3) X (H_3)个尺寸大小为4X4的相互重叠的图像块；
然后对LOTg、Rorg> Ldis和Rdis4幅图像中的每个图像块实施海赛矩阵分解，得到LOTg、 Rorg> Ldis和Rdis4幅图像中的每个图像块对应的用于表示图像块凹凸特性的海赛系数矩阵， 将Lots中坐标位置为(x，y)的图像块实施海赛矩阵分解后得到的海赛系数矩阵记为Cf、 将Rtffg中坐标位置为(x，y)的图像块实施海赛矩阵分解后得到的海赛系数矩阵记为将Ldis中坐标位置为(x，y)的图像块实施海赛矩阵分解后得到的海赛系数矩阵记为47 *将 Rdis中坐标位置为(x，y)的图像块实施海赛矩阵分解后得到的海赛系数矩阵记为C;
再对LOTg、ROTg、Ldis和Rdis4幅图像中的每个图像块对应的海赛系数矩阵实施奇异值矩阵分解，得到LOTg、Rorg> Ldis和Rdis4幅图像中的每个图像块对应的海赛系数矩阵对应的奇异值系数矩阵，将zC"实施奇异值矩阵分解后得到的奇异值系数矩阵记为/CT，将实施奇异值矩阵分解后得到的奇异值系数矩阵记为Cfs，将^.￡实施奇异值矩阵分解后得到的奇异值系数矩阵记为，将实施奇异值矩阵分解后得到的奇异值系数矩阵记为^+%
其中，W表示 LOTg、Rorg, Ldis 和 Rdis 的宽度，H 表示 LOTg、Rorg, Ldis 和 Rdis 的高度， 0〈x ( ff-3,0<y ( H-3 ；
③根据Lots和Ldis中的每个图像块对应的海赛系数矩阵对应的奇异值系数矩阵，计算Lots和Ldis中所有坐标位置相同的两个图像块之间的结构失真程度值，将Lots 和Ldis中左上角坐标位置均为(x，y)的两个图像块之间的结构失真程度值记为，<t=J^2，其中，0〈x ( W-3,0<y ( Η_3， ,产示内坐标位置为(i，j)处的奇异值系数，d··/)表示WTi内坐标位置为(i，j)处的奇异值系数，O彡i ^ 3,0 ^ j ^ 3 ；
根据Rots和Rdis中的每个图像块对应的海赛系数矩阵对应的奇异值系数矩阵，计算R g和Rdis中所有坐标位置相同的两个图像块之间的结构失真程度值，将R g 和Rdis中左上角坐标位置均为(x，y)的两个图像块之间的结构失真程度值记为<’f,，C,其中，0〈χ ( ff-3,0<y ( H-3, ,、表示,—内坐标位置y1-Ci J-AiB'.、\hj)"v_、为a，j)处的奇异值系数，ο'·./)表示Ci内坐标位置为a，j)处的奇异值系数，O彡i ^ 3,0 ^ j ^ 3 ；
④对Lots实施区域划分，得到Lots对应的区域划分系数矩阵，记为ZS将Z1中坐标位置为(P，q)处的区域划分系数记为Zip’q)，如果Lots中坐标位置为(P，q)的像素点属于非边缘区域，则Ζι(ρ，( )=0，如果Lots中坐标位置为(p，q)的像素点属于边缘区域，则 Zl(P，q)=l，其中，0〈p 彡 W，0〈q 彡 H ;
对ROTg实施区域划分，得到Rots对应的区域划分系数矩阵，记为Ζκ，将Zk中坐标位置为(P，q)处的区域划分系数记SZK(p，q)，如果Rots中坐标位置为(P，q)的像素点属于非边缘区域，则Zk (p，q)=0，如果Rots中坐标位置为(P，q)的像素点属于边缘区域，则Zk(p，q)=l, 其中，0〈p ( ff,0<q ( H ；
⑤将Z1划分成(W-3) X (H-3)个均包含有4X4个区域划分系数的相互重叠的单元矩阵，将t中坐标位置为(X，y)的单元矩阵记为<, 其中，0〈x彡W-3，0〈y彡H-3 ;然后根据Lots和Ldis中所有坐标位置相同的两个图像块之间的结构失真程度值和Z1中的所有单元矩阵，计算Lots和Ldis之间的左视点图像质量评价指标，记为QS Ql = ωΧ Qd+ (1- ω ) X Qn’U U 3 3ΣΣ ΣΣζ 々—'/))0L1-fJ- _ η —1-l r-0 j-0_ΣΣ(ΣΣΟλ)λ.…i y-1 /-0 j -0 3i； Λ3 3ΣΣ 卜 ΣΣΟ,λΧ,,)
β"·￡.........1 ........ ...........L"......T...........1-，其中，ω 表示 Qe’L 的权值，ΣΣ(ι-Σ ζ ν“、/))ν--H/ OO、/)表示C,.内坐标位置为(i，j)处的区域划分系数；
将ZK划分成(W-3) X (H-3)个均包含有4X4个区域划分系数的相互重叠的单元矩阵，将Zk中坐标位置为(X，y)的单元矩阵记为^，其中，0〈x彡ff-3,0<y彡H-3 ;然后根据 Rwg和Rdis中所有坐标位置相同的两个图像块之间的结构失真程度值和Zk中的所有单元矩阵，计算Rots和Rdis之间的右视点图像质量评价指标，记为
权利要求
1.一种基于矩阵分解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Sots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Sots的左视点图像记为LOTg，将SOTg的右视点图像记为ROTg，将Sdis的左视点图像记为Ldis,将Sdis的右视点图像记为Rdis ； ②将LOTg、ROTg、Ldis和Rdis4幅图像分别分割成(W-3)X (H-3)个尺寸大小为4X4的相互重叠的图像块； 然后对LOTg、ROTg、Ldis和Rdis4幅图像中的每个图像块实施海赛矩阵分解，得到LOTg、ROTg、Ldis和Rdis4幅图像中的每个图像块对应的用于表示图像块凹凸特性的海赛系数矩阵，将Lots中坐标位置为U，y)的图像块实施海赛矩阵分解后得到的海赛系数矩阵记为，将Rots中坐标位置为(X，y)的图像块实施海赛矩阵分解后得到的海赛系数矩阵记为将Ldis中坐标位置为(x，y)的图像块实施海赛矩阵分解后得到的海赛系数矩阵记为.'C"，将Rdis中坐标位置为(x，y)的图像块实施海赛矩阵分解后得到的海赛系数矩阵记为.C夂 再对LOTg、Rorg> Ldis和Rdis 4幅图像中的每个图像块对应的海赛系数矩阵实施奇异值矩阵分解，得到LOTg、ROTg、Ldis和Rdis 4幅图像中的每个图像块对应的海赛系数矩阵对应的奇异值系数矩阵，将实施奇异值矩阵分解后得到的奇异值系数矩阵记为CT，将4*^实施奇异值矩阵分解后得到的奇异值系数矩阵记为cr，将^.z实施奇异值矩阵分解后得到的奇异值系数矩阵记为，将.Cw实施奇异值矩阵分解后得到的奇异值系数矩阵记为;其中，W 表示 LOTg、ROTg、Ldis 和 Rdis 的宽度，H 表示 LOTg、ROTg、Ldis 和 Rdis 的高度，0〈x ( ff-3,0<y 彡 H-3 ； ③根据Lots和Ldis中的每个图像块对应的海赛系数矩阵对应的奇异值系数矩阵，计算Lots和Ldis中所有坐标位置相同的两个图像块之间的结构失真程度值，将Lots和Ldis中左上角坐标位置均为(x，y)的两个图像块之间的结构失真程度值记为
2.根据权利要求I所述的一种基于矩阵分解的立体图像客观质量评价方法，其特征在于所述的步骤④的具体过程为 ④-I、采用Sobel算子的水平方向模板分别提取Lots中红色分量、绿色分量以及蓝色分量的水平方向梯度矩阵，将Lots中红色分量的水平方向梯度矩阵记为Rh，将Lots中绿色分量的水平方向梯度矩阵记为GhJf Lots中蓝色分量的水平方向梯度矩阵记为Bh ； 采用Sobel算子的垂直方向模板分别提取Lots中红色分量、绿色分量以及蓝色分量的垂直方向梯度矩阵，将Lots中红色分量的垂直方向梯度矩阵记为Rv，将Lots中绿色分量的垂直方向梯度矩阵记为Gv，将Lots中蓝色分量的垂直方向梯度矩阵记为Bv ； ④-2、计算Lots的方向变化率矩阵，记为U，将U中坐标位置为(x’，y’)处的矩阵系数记为
3.根据权利要求2所述的一种基于矩阵分解的立体图像客观质量评价方法，其特征在于所述的步骤④-3中取α =5。
4.根据权利要求I至3中任一项所述的一种基于矩阵分解的立体图像客观质量评价方法，其特征在于所述的步骤⑤中取ω=0. 6, ω’=0. 6。
5.根据权利要求4所述的一种基于矩阵分解的立体图像客观质量评价方法，其特征在于所述的步骤⑥中Q1的获取过程为⑥-1、采用η幅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，该失真立体图像集包括多幅失真的立体图像，其中，η > I ； ⑥-2、采用主观质量评价方法，获取失真立体图像集中的每幅失真的立体图像的平均主观评分差值，将失真立体图像集中的第j’幅失真的立体图像的平均主观评分差值记为DMOSj.，DMOSr (r,r4{- 其中，I彡j’彡J，J表示失真立体图像集中包含的失真n /’ I的立体图像的幅数，η’表示有效的测试人员数，n’ ^ Lri, Mf(f)表示第i’个测试人员对第j’幅失真的立体图像对应的无失真的立体图像的评分值，IV」，表示第i’个测试人员对第j’幅失真的立体图像的评分值； ⑥_3、按照步骤①至步骤⑤的操作过程，计算得到失真立体图像集中的每幅失真的立体图像的左视点图像和对应的无失真的立体图像的左视点图像之间的左视点图像质量评价指标，及失真立体图像集中的每幅失真的立体图像的右视点图像和对应的无失真的立体图像的右视点图像之间的右视点图像质量评价指标； ⑥-4、采用线性拟合加权的方法拟合失真立体图像集中的每幅失真的立体图像的平均主观评分差值DM0S、每幅失真的立体图像对应的左视点图像质量评价指标和右视点图像质量评价指标，得到Q1的值。
6.根据权利要求5所述的一种基于矩阵分解的立体图像客观质量评价方法，其特征在于所述的步骤⑧的具体过程为 ⑧-1、将DOTg’LR分割成(W-2) X (H-2)个尺寸大小为3X3的相互重叠的图像块，将DOTg’中坐标位置为(x，，y，)的图像块记为吧M，其中，0〈x’彡W-2，0〈y’彡H-2 ; ⑧-2、采用Sobel算子的水平方向模板提取DOTg’LR的水平方向梯度矩阵，记为Ra，将Pril中坐标位置为(χ’，y’)处的矩阵系数记为Pril(χ’ ,1’ )，
7.根据权利要求6所述的一种基于矩阵分解的立体图像客观质量评价方法，其特征在于所述的步骤 中λ的获取过程为 -1、采用η幅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，该失真立体图像集包括多幅失真的立体图像，其中，n^l； ^ -2、采用主观质量评价方法获取失真立体图像集中的每幅失真的立体图像的平均主观评分差值，将失真立体图像集中的第j’幅失真的立体图像的平均主观评分差值记为
全文摘要
本发明公开了一种基于矩阵分解的立体图像客观质量评价方法，其从结构失真的角度出发，有效地利用了奇异值稳定，能较好地表征立体图像的结构信息的特性，利用了海赛矩阵能较好地表征图像的纹理或凹凸特性，利用了奇异值能较好地表征绝对差值图的结构信息特性，以及充分地考虑了人眼对区域的敏感度，融合了立体图像画质质量以及深度感知质量，从而有效地提高了立体图像客观质量评价结果与主观感知之间的相关性，并准确衡量了立体图像的失真程度，为立体系统中的各种编码方法、绘制方法、错误隐藏方法等提供了性能优劣的评判准则。
文档编号G06T7/00GK102982532SQ201210427390
公开日2013年3月20日 申请日期2012年10月31日 优先权日2012年10月31日
发明者蒋刚毅, 毛香英, 郁梅, 朱江英, 王晓东, 彭宗举, 邵枫 申请人:宁波大学