一种基于视觉保真度的立体图像质量客观评价方法
【专利摘要】本发明公开了一种基于视觉保真度的立体图像客观质量评价方法，其在训练阶段，选多幅原始的无失真立体图像构成训练图像集，通过区域检测确定无失真立体图像中的像素点属于遮挡区域或匹配区域，并通过无监督学习方式对训练图像集构造单目视觉字典表和双目视觉字典表；在测试阶段，对测试立体图像和其原始的无失真立体图像，根据单目视觉字典表和双目视觉字典表，估计测试立体图像和对应的无失真立体图像中属于遮挡区域和匹配区域的每个子块的稀疏系数矩阵，并通过稀疏系数矩阵来计算单目图像质量客观评价预测值和双目图像质量客观评价预测值，并最终结合得到图像质量客观评价预测值；优点是得到的图像质量客观评价预测值与主观评价值的一致性较好。
【专利说明】一种基于视觉保真度的立体图像质量客观评价方法
【技术领域】
[0001] 本发明涉及一种图像质量评价方法，尤其是涉及一种基于视觉保真度的立体图像 质量客观评价方法。
【背景技术】
[0002] 随着图像编码技术和立体显示技术的迅速发展，立体图像技术受到了越来越广泛 的关注与应用，已成为当前的一个研究热点。立体图像技术利用人眼的双目视差原理，双目 各自独立地接收来自同一场景的左视点图像和右视点图像，通过大脑融合形成双目视差， 从而欣赏到具有深度感和逼真感的立体图像。与单通道图像相比，立体图像需要同时保证 两个通道的图像质量，因此对其进行质量评价具有非常重要的意义。然而，目前对立体图像 质量缺乏有效的客观评价方法进行评价。因此，建立有效的立体图像质量客观评价模型具 有十分重要的意义。
[0003] 由于影响立体图像质量的因素较多，如左视点和右视点质量失真情况、立体感知 情况、观察者视觉疲劳等，因此如何有效地进行立体图像质量评价是亟需解决的难点问题。 目前已有方法是通过机器学习来预测评价模型，但其计算复杂度较高，并且训练模型需要 预知各评价图像的主观评价值，并不适用于实际的应用场合，存在一定的局限性。稀疏表示 将信号在已知的函数集上进行分解，力求在变换域上用尽量少的基函数来对原始信号进行 逼近。稀疏表示的一个关键问题就是如何有效地构造字典来表征图像的本质特征。目前已 提出的字典构造算法包括：1)有学习过程的字典构造方法：通过机器学习来训练得到字典 信息，如支持向量机等；2)无学习过程的字典构造方法：直接利用图像的特征来构造字典， 如多尺度Gabor字典、多尺度高斯字典等。因此，如何进行无学习过程的字典构造，如何根 据字典来进行质量估计，如何从字典中提取反映图像保真度的视觉特征，都是在立体图像 质量评价研究中需要重点解决的技术问题。
【发明内容】
[0004] 本发明所要解决的技术问题是提供一种基于视觉保真度的立体图像质量客观评 价方法，其计算复杂度低，且能够有效地提高客观评价结果与主观感知之间的相关性。
[0005] 本发明解决上述技术问题所采用的技术方案为：一种基于视觉保真度的立体图像 质量客观评价方法，其特征在于包括训练阶段和测试阶段两个过程，所述的训练阶段包括 以下步骤：
[0006] ①-1、选取N幅原始的无失真立体图像构成训练图像集，记为{Si;OTg| 1彡i彡N}， 其中，N>1，Si;OTg表示{Si;OTg| 1彡i彡N}中的第i幅原始的无失真立体图像；
[0007] ①-2、利用区域检测算法，判定{Si，OTg|1 <i<N}中的每幅原始的无失真立体图 像的左视点图像和右视点图像中的每个像素点属于遮挡区域还是属于匹配区域；
[0008] ①-3、采用Gabor滤波器，获取{Si，OTg| 1彡i彡N}中的每幅原始的无失真立体图 像的左视点图像和右视点图像中的每个像素点在不同中心频率和不同方向因子下的频率 响应；
[0009] 然后根据{Si，OTg|Ki<N}中的每幅原始的无失真立体图像的左视点图像中的 每个像素点在不同中心频率和不同方向因子下的频率响应，获取{Si，OTg|Ki<N}中的每 幅原始的无失真立体图像的左视点图像中的每个像素点在不同中心频率和不同方向因子 下的振幅；
[0010] 同样，根据{Si，OTg|1彡i彡N}中的每幅原始的无失真立体图像的右视点图像中的 每个像素点在不同中心频率和不同方向因子下的频率响应，获取{Si，OTg|Ki<N}中的每 幅原始的无失真立体图像的右视点图像中的每个像素点在不同中心频率和不同方向因子 下的振幅；
[0011] 并且，根据{Si，OTg|l彡i彡N}中的每幅原始的无失真立体图像的左视点图 像和右视点图像中的每个像素点在不同中心频率和不同方向因子下的频率响应，获取 {Si，OTg|1<i<N}中的每幅原始的无失真立体图像的左视点图像和右视点图像中的每个像 素点在不同中心频率、不同方向因子和不同相位偏移下的振幅；
[0012] ①-4、对{Si，OTg|1<i<N}中的每幅原始的无失真立体图像的左视点图像和右视 点图像进行非重叠的分子块处理；
[0013] 然后采用K-SVD方法，对由{Si;OTg|l彡i彡N}中的所有原始的无失真立体图 像的左视点图像和右视点图像中属于遮挡区域的所有子块各自的特征向量构成的特 征向量集合进行字典训练操作，获得{Si，OTg|l彡i彡N}的单目视觉字典表，记为Dn。，
【权利要求】
1. 一种基于视觉保真度的立体图像质量客观评价方法，其特征在于包括训练阶段和测 试阶段两个过程，所述的训练阶段包括以下步骤： ①-1、选取N幅原始的无失真立体图像构成训练图像集，记为以，。」1彡i彡N}，其中，N>1，Si;OTg表示{Si;OTg| 1彡i彡N}中的第i幅原始的无失真立体图像； ①-2、利用区域检测算法，判定{Si，OTg| 1彡i彡N}中的每幅原始的无失真立体图像的 左视点图像和右视点图像中的每个像素点属于遮挡区域还是属于匹配区域； ①-3、采用Gabor滤波器，获取中的每幅原始的无失真立体图像的左 视点图像和右视点图像中的每个像素点在不同中心频率和不同方向因子下的频率响应； 然后根据{Si，OTg|Ki<N}中的每幅原始的无失真立体图像的左视点图像中的每个 像素点在不同中心频率和不同方向因子下的频率响应，获取{Si，OTg|Ki<N}中的每幅原 始的无失真立体图像的左视点图像中的每个像素点在不同中心频率和不同方向因子下的 振幅； 同样，根据{Si，OTg|Ki<N}中的每幅原始的无失真立体图像的右视点图像中的每个 像素点在不同中心频率和不同方向因子下的频率响应，获取{Si，OTg|Ki<N}中的每幅原 始的无失真立体图像的右视点图像中的每个像素点在不同中心频率和不同方向因子下的 振幅； 并且，根据{Si，OTg|l<i<N}中的每幅原始的无失真立体图像的左视点图像 和右视点图像中的每个像素点在不同中心频率和不同方向因子下的频率响应，获取 {Si，OTg| 1 <i<N}中的每幅原始的无失真立体图像的左视点图像和右视点图像中的每个像 素点在不同中心频率、不同方向因子和不同相位偏移下的振幅； ① -4、对{Si，OTg| 1彡i彡N}中的每幅原始的无失真立体图像的左视点图像和右视点图 像进行非重叠的分子块处理； 然后采用K-SVD方法，对由{Si，OTg| 1彡i彡N}中的所有原始的无失真立体图像 的左视点图像和右视点图像中属于遮挡区域的所有子块各自的特征向量构成的特征 向量集合进行字典训练操作，获得{Si，OTg|l彡i彡N}的单目视觉字典表，记为Dn。，
，其中，j的初始值为1，K表示设定的字典的总个数，1，^表示 Dn。中的第j个视觉字典，属于遮挡区域的任一个子块为该子块中有属于遮挡区域的像素 点，属于遮挡区域的任一个子块的特征向量为该子块中的所有像素点在所有中心频率和方 向因子下的振幅按该子块中的每个像素点的坐标位置的先后顺序排列构成； 同样，采用K-SVD方法，对由{Si;OTg|l彡i彡N}中的所有原始的无失真立体图 像的左视点图像和右视点图像中属于匹配区域的所有子块各自的特征向量构成的特 征向量集合进行字典训练操作，获得{Si，OTg|l<i<N}的双目视觉字典表，记为Dbf，
，其中，j的初始值为1，K表示设定的字典的总个数，K彡1，表示 Dbf中的第j个视觉字典，属于匹配区域的任一个子块为该子块中没有属于遮挡区域的像素 点，属于匹配区域的任一个子块的特征向量为该子块中的所有像素点在所有中心频率、方 向因子和相位偏移下的振幅按该子块中的每个像素点的坐标位置的先后顺序排列构成； 所述的测试阶段包括以下步骤： ② 对于任意一副测试立体图像Stest，将Stest对应的原始的无失真立体图像记为SOTg ; 按照步骤①-2至步骤①-3的过程，以相同的操作获取St6st和SOTg各自的左视点图像和 右视点图像中的每个像素点在不同中心频率和不同方向因子下的振幅，并获取Stest和SOTg 各自的左视点图像和右视点图像中的每个像素点在不同中心频率、不同方向因子和不同相 位偏移下的振幅； 将Stest的左视点图像和右视点图像中属于遮挡区域的所有子块各自的特征向量构成 一个特征向量集合，将SOTg的左视点图像和右视点图像中属于遮挡区域的所有子块各自的 特征向量构成一个特征向量集合，属于遮挡区域的任一个子块为该子块中有属于遮挡区域 的像素点，属于遮挡区域的任一个子块的特征向量为该子块中的所有像素点在所有中心频 率和方向因子下的振幅按该子块中的每个像素点的坐标位置的先后顺序排列构成；将Stest 的左视点图像和右视点图像中属于匹配区域的所有子块的特征向量构成一个特征向量集 合，将SOTg的左视点图像和右视点图像中属于匹配区域的所有子块的特征向量构成一个特 征向量集合，属于匹配区域的任一个子块为该子块中没有属于遮挡区域的像素点，属于匹 配区域的任一个子块的特征向量为该子块中的所有像素点在所有中心频率、方向因子和相 位偏移下的振幅按该子块中的每个像素点的坐标位置的先后顺序排列构成； 根据训练阶段得到的{Si，OTg|l彡i彡N}的单目视觉字典表Dn。，获取遮挡区域相 关的两个特征向量集合中的每个特征向量的稀疏系数矩阵；并根据训练阶段得到的 {Si;OTg 11彡i彡N}的双目视觉字典表Dbf，获取匹配区域相关的两个特征向量集合中的每个 特征向量的稀疏系数矩阵； 根据遮挡区域相关的两个特征向量集合中位置相对应的两个特征向量各自的稀疏系 数矩阵，获取Stest的左视点图像和右视点图像中对应的子块的局部客观评价度量值；并根 据匹配区域相关的两个特征向量集合中位置相对应的两个特征向量各自的稀疏系数矩阵， 获取Stest的左视点图像和右视点图像中对应的子块的局部客观评价度量值； 根据Stest的左视点图像和右视点图像中属于遮挡区域的每个子块的局部客观评价度 量值和Stest的左视点图像和右视点图像中属于匹配区域的每个子块的局部客观评价度量 值，获得Stest的图像质量客观评价预测值。
2.根据权利要求1所述的一种基于视觉保真度的立体图像质量客观评价方法，其特征 在于所述的步骤①-2中的区域检测算法的具体过程为： al、将{Si，OTg| 1 <i<N}中当前待处理的第i幅原始的无失真立体图像Si，OTg定义为 当前立体图像，将当前立体图像31^的左视点图像定义为当前左视点图像，将当前立体图 像的右视点图像定义为当前右视点图像，其中，i的初始值为1 ; a2、采用块匹配法计算当前左视点图像与当前右视点图像之间的视差图像，记为{(^，。11^，7)}，其中，1；^彡1，1；^彡11，1表示以，。1^|1彡;[彡吣中的原始的无失真立 体图像的宽度，^1表示以，(^|1彡1彡吣中的原始的无失真立体图像的高度，(^ (^(1，7)表 示中坐标位置为（x，y)的像素点的像素值； a3、根据y)}中的每个像素点的像素值，判定当前左视点图像中的每个像素点 属于遮挡区域还是属于匹配区域；对于当前左视点图像中坐标位置为（x，y)的像素点，如 果= 255,则判定当前左视点图像中坐标位置为（x，y)的像素点属于遮挡区域， 如果尹255,则判定当前左视点图像中坐标位置为（x，y)的像素点属于匹配区 域； a4、在当前右视点图像中，将与当前左视点图像中属于匹配区域的每个像素点对应的 像素点判定为属于匹配区域；然后将当前右视点图像中除属于匹配区域外的所有像素点判 定为属于遮挡区域； a5、令i=i+1，将{Si;OTg| 1彡i彡N}中下一幅待处理的原始的无失真立体图像作为当 前立体图像，将当前立体图像的左视点图像作为当前左视点图像，将当前立体图像的右视 点图像作为当前右视点图像，然后返回步骤a2继续执行，直至{Si，OTg| 1 <i<N}中的所有 原始的无失真立体图像处理完毕为止，其中，i=i+1中的"="为赋值符号。
3.根据权利要求1或2所述的一种基于视觉保真度的立体图像质量客观评价方法，其 特征在于所述的步骤①-3的具体过程为： bl、将{Si,OTg| 1 <i<N}中当前待处理的第i幅原始的无失真立体图像Si,OTg定义为 当前立体图像，将当前立体图像Si,OTg的左视点图像定义为当前左视点图像，将当前立体图 像的右视点图像定义为当前右视点图像，其中，i的初始值为1 ; b2、采用Gabor滤波器对当前左视点图像进行滤波处理，得到当前左视点图像中的每 个像素点在不同中心频率和不同方向因子下的频率响应，将当前左视点图像中坐标位置为 (x，y)的像素点在中心频率为《和方向因子为0下的频率响应记为
同样，采用Gabor滤波器对当前右视点图像进行滤波处理，得到当前右视点图像中的 每个像素点在不同中心频率和不同方向因子下的频率响应，将当前右视点图像中坐标位置 为（x，y)的像素点在中心频率为《和方向因子为0下的频率响应记为
上述，1彡x彡W，1彡y彡H，W表示{Si;OTg| 1彡i彡N}中的原始的无失真立体图像的 宽度，H表示{Si;OTg| 1彡i彡N}中的原始的无失真立体图像的高度，《表示所采用的Gabor 滤波器的中心频率，《eQU，QU表示所采用的Gabor滤波器的中心频率的集合，0表示 所采用的Gabor滤波器的方向因子，0GQ0，Q0表示所采用的Gabor滤波器的方向因子 的集合； b3、根据当前左视点图像中的每个像素点在不同中心频率和不同方向因子下的频率响 应，计算当前左视点图像中的每个像素点在不同中心频率和不同方向因子下的振幅，将当 前左视点图像中坐标位置为（x，y)的像素点在中心频率为和方向因子为0下的振幅 记为
》其中，符号"III|2"为求取矩阵的 2-范数符号； 同样，根据当前右视点图像中的每个像素点在不同中心频率和不同方向因子下的频率 响应，计算当前右视点图像中的每个像素点在不同中心频率和不同方向因子下的振幅，将 当前右视点图像中坐标位置为（x，y)的像素点在中心频率为《和方向因子为0下的振幅 记为
.其中，符号"III|2"为求取矩阵的 2-范数符号； b4、根据当前左视点图像和当前右视点图像中的每个像素点在不同中心频 率和不同方向因子下的频率响应，计算当前左视点图像和当前右视点图像中的每 个像素点在不同中心频率、不同方向因子和不同相位偏移下的振幅，将当前左视 点图像和当前右视点图像各自中坐标位置为（X，y)的像素点在中心频率为《、 方向因子为Q和相位偏移为AV下的振幅记为
，
，其中，AVGQAvQAv 表 示所采用的Gabor滤波器的相位偏移的集合，符号" | | | |2"为求取矩阵的2-范数符号，e表 示自然基数，j为虚数单位； b5、令i=i+1，将{Si;OTg| 1彡i彡N}中下一幅待处理的原始的无失真立体图像作为当 前立体图像，将当前立体图像的左视点图像作为当前左视点图像，将当前立体图像的右视 点图像作为当前右视点图像，然后返回步骤b2继续执行，直至{Si，OTg| 1 <i<N}中的所有 原始的无失真立体图像处理完毕为止，其中，i=i+1中的"="为赋值符号。
4.根据权利要求3所述的一种基于视觉保真度的立体图像质量客观评价方法，其特征 在于所述的步骤①-4的具体过程为： cl、将{Si，OTg|Ki<N}中的每幅原始的无失真立体图像的左视点图像和右视点图像 分别划分成
个尺寸大小为8X8的互不重叠的子块，其中，W表示{Si，OTg| 1 <i<N} 中的原始的无失真立体图像的宽度，H表示{Si，OTg|Ki<N}中的原始的无失真立体图像 的高度； c2、确定{Si;OTg| 1 <i<N}中的每幅原始的无失真立体图像的左视点图像和右视点图 像中属于遮挡区域的所有子块，对于的左视点图像和右视点图像中的任一个子块，如 果该子块中有属于遮挡区域的像素点，则确定该子块属于遮挡区域； 并将{Si，OTg| 1 <i<N}中的每幅原始的无失真立体图像的左视点图像和右视点图像 中除属于遮挡区域的子块外的所有子块确定为属于匹配区域； c3、获取{Si，OTg|Ki<N}中的每幅原始的无失真立体图像的左视点图像和右视点图 像中属于遮挡区域的每个子块的特征向量，对于3_8的左视点图像和右视点图像中属于遮 挡区域的任一个子块，该子块的特征向量为该子块中的所有像素点在所有中心频率和方向 因子下的振幅按该子块中的每个像素点的坐标位置的先后顺序排列构成； 并获取{Si，OTg| 1 <i<N}中的每幅原始的无失真立体图像的左视点图像和右视点图 像中属于匹配区域的每个子块的特征向量，对于左视点图像和右视点图像中属于匹 配区域的任一个子块，该子块的特征向量为该子块中的所有像素点在所有中心频率、方向 因子和相位偏移下的振幅按该子块中的每个像素点的坐标位置的先后顺序排列构成； c4、将{Si，OTg| 1彡i彡N}中的所有原始的无失真立体图像的左视点图像和右视点图像 中属于遮挡区域的所有子块各自的特征向量构成一个特征向量集合，记为{yt 11 <t<MJ， 其中，yt为{yt|l彡t彡MJ中的第t个特征向量，yt的维数为64XNuXNe，Nu表示 Gabor滤波器的中心频率的总个数，Ne表示Gabor滤波器的方向因子的总个数，Mi表示 {Si，OTg| 1 <i<N}中的所有原始的无失真立体图像的左视点图像和右视点图像中属于遮挡 区域的子块的总个数，
并将以，。」1彡i彡N}中的所有原始的无失真立体图像的左视点图像和右视点图像中 属于匹配区域的所有子块的特征向量构成一个特征向量集合，记为{zt| 1 <t<M2}，其中， zt为{zt 11彡t彡M2}中的第t个特征向量，zt的维数为64XNUXNeXNAV，NU表示Gabor 滤波器的中心频率的总个数，Ne表示Gabor滤波器的方向因子的总个数，NAV表示Gabor滤波器的相位偏移的总个数，M2表示{Si，OTg|Ki<N}中的所有原始的无失真立体图像的 左视点图像和右视点图像中属于匹配区域的子块的总个数，
c5、采用K-SVD方法对{yt 11彡t彡MJ进行字典训练操作，获得{yt 11彡t彡MJ的 视觉字典表，并将{yt|l彡t彡MJ的视觉字典表作为{Si，OTg|l彡i彡N}的单目视觉字 典表，记为Dn。，
，Dn。通过K-SVD方法求解
得到，
?的约束条件为：W，||x,|彳r,其中，Dn。的维数为（64XNuXNe)XK，K表示设定的字典的总个数，K彡1，表示Dn。中的第j个字典，min()为取最小值函数，符号 "III|2"为求取矩阵的2-范数符号，
，Yn。的维数为（eAXtXNjXMi， y:表示{ytl1彡t彡MJ中的第1个特征向量，yt表示{yt| 1彡t彡MJ中的第t个特征向 量，yMi表示{yt| 中的第Mi个特征向量,Xn。表示稀疏矩阵，
xn。的维数为KXMpXl表示Xn。中的第1列，xt表示Xn。中的第t列，表示Xn。中的第札 列，符号"[]"为矢量表示符号，V/表示存在一个t，符号" | | | | /为求取矩阵的0-范数符 号，T为误差系数； 并采用K-SVD方法对{zt 11彡t彡M2}进行字典训练操作，获得{zt 11彡t彡M2}的 视觉字典表，并将{zt|l彡t彡M2}的视觉字典表作为以，。」1彡i彡N}的双目视觉 字典表，记为Dbf，
，Dbf通过K-SVD方法求解
得到，
的约束条件为：
，其中，Dbf的维数为 (64XNUXNeXNAv)XK，K表示设定的字典的总个数，K彡1,私表示Dbf中的第j个字典， min()为取最小值函数，符号"| | | |2"为求取矩阵的2-范数符号，
冗^的维数为（64XNuXNeXNAv)XM2,?为{zt|l彡t彡MJ中的第1个特征向量，\为 {zt|l<t<M2}中的第t个特征向量，、为{zt|l<t<M2}中的第M2个特征向量，Fm 表示稀疏矩阵，
，Fbf的维数为KXM2, 表示Fbf中的第1列，ft表示Fbf 中的第t列，表不Fbf中的第M2列，符号" □"为矢量表不符号，V/表不存在一个t，符号"III1/为求取矩阵的0-范数符号，t为误差系数。
5. 根据权利要求4所述的一种基于视觉保真度的立体图像质量客观评价方法，其特征 在于所述的步骤c5中取T= 〇. 1。
6. 根据权利要求4所述的一种基于视觉保真度的立体图像质量客观评价方法，其特征 在于所述的步骤②的具体过程为： ②-1、将St6st的左视点图像记为Lt6St，将St6st的右视点图像记为Rt6St，将St6st对应的原 始的无失真立体图像记为SOTg，将SOTg的左视点图像记为LOTg，将SOTg的右视点图像记为ROTg ; ②-2、按照步骤①_2的过程，以相同的操作判定Ltest和Rtest中的每个像素点属于遮挡 区域还是属于匹配区域，并判定LOTg和ROTg中的每个像素点属于遮挡区域还是属于匹配区 域； ②-3、按照步骤①_3的过程，以相同的操作获取Ltest中的每个像素点在不同中心频 率和不同方向因子下的振幅、Rtest中的每个像素点在不同中心频率和不同方向因子下的振 幅、Ltest和Rtest中的每个像素点在不同中心频率、不同方向因子和不同相位偏移下的振幅， 并获取LOTg中的每个像素点在不同中心频率和不同方向因子下的振幅、ROTg中的每个像素点 在不同中心频率和不同方向因子下的振幅、LOTg和ROTg中的每个像素点在不同中心频率、不 同方向因子和不同相位偏移下的振幅； ②-4、对Lt6St和Rt6St及LOTg和ROTg分别进行非重叠的分子块处理； 然后确定Lt6St和Rt6St及LOTg和ROTg中属于遮挡区域的所有子块，对于Lt6St和Rt6St及LOTg 和R"g中的任一个子块，如果该子块中有属于遮挡区域的像素点，则确定该子块属于遮挡区 域；并将Lt6St和Rt6St及LOTg和ROTg中除属于遮挡区域的子块外的所有子块确定为属于匹配 区域； 接着获取Ltest和Rtest及LOTg和ROTg中属于遮挡区域的每个子块的特征向量，对于Ltest 和Rtest及LOTg和ROTg中属于遮挡区域的任一个子块，该子块的特征向量为该子块中的所有 像素点在所有中心频率和方向因子下的振幅按该子块中的每个像素点的坐标位置的先后 顺序排列构成；并获取Ltest和Rtest及LOTg和ROTg中属于匹配区域的每个子块的特征向量，对 于Lt6St和Rt6St及LOTg和ROTg中属于匹配区域的任一个子块，该子块的特征向量为该子块中 的所有像素点在所有中心频率、方向因子和相位偏移下的振幅按该子块中的每个像素点的 坐标位置的先后顺序排列构成； 之后将Ltest和Rtost中属于遮挡区域的所有子块各自的特征向量构成一个特征向量集 合，记为{yt，，t6St|l彡t'SM/},并将Ltost和Rtost中属于匹配区域的所有子块的特征向量构 成一个特征向量集合，记为{zt，，test| 1彡t'彡M2'}，其中，yt，，test为{yt，，test| 1彡t'彡M/} 中的第t'个特征向量，yt，，test的维数为64XNuXNe，在此M/表示Ltest和Rtest中属于遮挡 区域的子块的总个数，zt，，test为Izt，，test| 1彡t'彡M2' }中的第t'个特征向量，zt，，test的维 数为64XNUXNeXNAv，在此M2'表示Lt6St和Rt6St中属于匹配区域的子块的总个数，Nu表 示Gabor滤波器的中心频率的总个数，Ne表示Gabor滤波器的方向因子的总个数，NAv表 示Gabor滤波器的相位偏移的总个数； 同样，将LOTg和ROTg中属于遮挡区域的所有子块各自的特征向量构成一个特征向量集 合，记为{yt，，"g| 1彡t'彡M/}，并将LOTg和ROTg中属于匹配区域的所有子块的特征向量构 成一个特征向量集合，记为{zt，，OTg|l彡t's^M2'}，其中，yt，，OTg为{yt，，OTg|l；^t' 中 的第t'个特征向量，7^_的维数为64XNuXNe，在此％'表示LOTg和ROTg中属于遮挡区 域的子块的总个数，\，，"8为Izt，，"g|l彡t' <M2'}中的第t'个特征向量，zt，，OTg的维数为 64XNu XNe XNAv，在此M2'表示LOTg和ROTg中属于匹配区域的子块的总个数，Nu表示Gabor 滤波器的中心频率的总个数，Ne表示Gabor滤波器的方向因子的总个数，NAV表示Gabor 滤波器的相位偏移的总个数； ②-5、根据训练阶段得到的队。」1彡i彡N}的单目视觉字典表Dn。，获取 {yt，，test|l彡t'彡M/}中的每个特征向量的稀疏系数矩阵和{yt，，OTg|l彡t'彡M/}中的每 个特征向量的稀疏系数矩阵，将yt>st的稀疏系数矩阵记为xt>st，xt>st= (DncT 将yt，，《g的稀疏系数矩阵记为xt，，OTg，xt，，OTg = (Dj-1 ?yt，，OTg，其中，（DJ-1为Dn。的逆矩阵； 根据训练阶段得到的{Si，OTg| 1彡i彡N}的双目视觉字典表Dbf，获取 {zt，，test|l彡t' <M2'}中的每个特征向量的稀疏系数矩阵和{zt，，OTg|l彡t' <M2'}中的每 个特征向量的稀疏系数矩阵，将zt，，test的稀疏系数矩阵记为 将zt，，"g的稀疏系数矩阵记为ft，，OTg，ft，，"g = (Dj^r1 ?zt，，OTg，其中，（Dj^r1为Dbf的逆矩阵； ②-6、计算Ltest和Rtest中属于遮挡区域的每个子块的局部客观评价度量值，将Ltest 和Rtost中属于遮挡区域的所有子块中的第t'个子块的局部客观评价度量值记为qt，^st，
,其中，（xt>st)T为xt>st的转置矩阵，符号"III|2"为求取矩阵 的2-范数符号，C为控制参数； 并计算Ltest和Rtest中属于匹配区域的每个子块的局部客观评价度量值，将Lt6St和Rt6St中属于匹配区域的第t'个子块的局部客观评价度量值记为pt，，t6St，
,其中，（ft>st)T为ft>st的转置矩阵，符号"III|2"为求取矩阵 的2-范数符号，C为控制参数； ②-7、计算Stest的单目图像质量客观评价预测值，记为Qn。，
；并计算 Stost的双目图像质量客观评价预测值，记为Qbf，
②-8、计算Stest的图像质量客观评价预测值，记为Q，Q=wMXQnc;+(l-wn。）XQbf，其中，wn。为Qn。的权值比重。
7. 根据权利要求6所述的一种基于视觉保真度的立体图像质量客观评价方法，其特征 在于所述的步骤②-6中取C= 0. 02。
8. 根据权利要求7所述的一种基于视觉保真度的立体图像质量客观评价方法，其特征 在于所述的步骤②-8中取wn。= 0. 2。
【文档编号】G06T7/00GK104408716SQ201410679301
【公开日】2015年3月11日 申请日期:2014年11月24日 优先权日:2014年11月24日
【发明者】邵枫, 李柯蒙, 李福翠 申请人:宁波大学