專利名稱：一種基于矩陣分解的立體圖像客觀質(zhì)量評價方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種圖像質(zhì)量評價方法，尤其是涉及一種基于矩陣分解的立體圖像客觀質(zhì)量評價方法。
背景技術(shù)：
隨著互聯(lián)網(wǎng)、通信、多媒體信息以及圖像處理技術(shù)的快速發(fā)展，立體圖像技術(shù)的應(yīng)用越來越廣泛，如應(yīng)用于立體數(shù)字電視、三維視頻會議系統(tǒng)、消費電子等諸多領(lǐng)域。然而，具有深度感和臨場感的立體圖像在圖像采集、編碼壓縮、網(wǎng)絡(luò)傳輸?shù)阮I(lǐng)域中都會引起質(zhì)量的損失，因此如何衡量這種失真程度就顯得非常重要。目前，用于評價圖像質(zhì)量的方法主要有利用平面的峰值信噪比進行圖像質(zhì)量評價的方法和利用結(jié)構(gòu)相似度線性加權(quán)進行圖像質(zhì)量評價的方法。這兩種圖像質(zhì)量評價方法主要用于評價平面圖像的質(zhì)量，由于它們?nèi)狈紤]立體圖像的深度感知問題，因此如果用它們來評價立體圖像的質(zhì)量，則客觀評價結(jié)果與主觀感知之間的一致性會很差。發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是提供一種能夠有效地提高客觀評價結(jié)果與主觀感知之間的相關(guān)性，能夠準確衡量立體圖像的失真程度的基于矩陣分解的立體圖像客觀質(zhì)量評價方法。
本發(fā)明解決上述技術(shù)問題所采用的技術(shù)方案為一種基于矩陣分解的立體圖像客觀質(zhì)量評價方法，其特征在于包括以下步驟
①令Sots為原始的無失真的立體圖像，令Sdis為待評價的失真的立體圖像，將Sots 的左視點圖像記為LOTg，將SOTg的右視點圖像記為ROTg，將Sdis的左視點圖像記為Ldis,將Sdis 的右視點圖像記為Rdis ;
②將LOTg、ROTg、Ldis和Rdis4幅圖像分別分割成(W-3) X (H_3)個尺寸大小為4X4的相互重疊的圖像塊；
然后對LOTg、Rorg> Ldis和Rdis4幅圖像中的每個圖像塊實施海賽矩陣分解，得到LOTg、 Rorg> Ldis和Rdis4幅圖像中的每個圖像塊對應(yīng)的用于表示圖像塊凹凸特性的海賽系數(shù)矩陣， 將Lots中坐標(biāo)位置為(x，y)的圖像塊實施海賽矩陣分解后得到的海賽系數(shù)矩陣記為Cf、 將Rtffg中坐標(biāo)位置為(x，y)的圖像塊實施海賽矩陣分解后得到的海賽系數(shù)矩陣記為將Ldis中坐標(biāo)位置為(x，y)的圖像塊實施海賽矩陣分解后得到的海賽系數(shù)矩陣記為47 *將 Rdis中坐標(biāo)位置為(x，y)的圖像塊實施海賽矩陣分解后得到的海賽系數(shù)矩陣記為C;
再對LOTg、ROTg、Ldis和Rdis4幅圖像中的每個圖像塊對應(yīng)的海賽系數(shù)矩陣實施奇異值矩陣分解，得到LOTg、Rorg> Ldis和Rdis4幅圖像中的每個圖像塊對應(yīng)的海賽系數(shù)矩陣對應(yīng)的奇異值系數(shù)矩陣，將zC"實施奇異值矩陣分解后得到的奇異值系數(shù)矩陣記為/CT，將實施奇異值矩陣分解后得到的奇異值系數(shù)矩陣記為Cfs，將^.￡實施奇異值矩陣分解后得到的奇異值系數(shù)矩陣記為，將實施奇異值矩陣分解后得到的奇異值系數(shù)矩陣記為^+%
其中，W表示 LOTg、Rorg, Ldis 和 Rdis 的寬度，H 表示 LOTg、Rorg, Ldis 和 Rdis 的高度， 0〈x ( ff-3,0<y ( H-3 ；
③根據(jù)Lots和Ldis中的每個圖像塊對應(yīng)的海賽系數(shù)矩陣對應(yīng)的奇異值系數(shù)矩陣，計算Lots和Ldis中所有坐標(biāo)位置相同的兩個圖像塊之間的結(jié)構(gòu)失真程度值，將Lots 和Ldis中左上角坐標(biāo)位置均為(x，y)的兩個圖像塊之間的結(jié)構(gòu)失真程度值記為，<t=J^2，其中，0〈x ( W-3,0<y ( Η_3， ,產(chǎn)示內(nèi)坐標(biāo)位置為(i，j)處的奇異值系數(shù)，d··/)表示W(wǎng)Ti內(nèi)坐標(biāo)位置為(i，j)處的奇異值系數(shù)，O彡i ^ 3,0 ^ j ^ 3 ；
根據(jù)Rots和Rdis中的每個圖像塊對應(yīng)的海賽系數(shù)矩陣對應(yīng)的奇異值系數(shù)矩陣，計算R g和Rdis中所有坐標(biāo)位置相同的兩個圖像塊之間的結(jié)構(gòu)失真程度值，將R g 和Rdis中左上角坐標(biāo)位置均為(x，y)的兩個圖像塊之間的結(jié)構(gòu)失真程度值記為<’f,，C,其中，0〈χ ( ff-3,0<y ( H-3, ,、表示,—內(nèi)坐標(biāo)位置y1-Ci J-AiB'.、\hj)"v_、為a，j)處的奇異值系數(shù)，ο'·./)表示Ci內(nèi)坐標(biāo)位置為a，j)處的奇異值系數(shù)，O彡i ^ 3,0 ^ j ^ 3 ；
④對Lots實施區(qū)域劃分，得到Lots對應(yīng)的區(qū)域劃分系數(shù)矩陣，記為ZS將Z1中坐標(biāo)位置為(P，q)處的區(qū)域劃分系數(shù)記為Zip’q)，如果Lots中坐標(biāo)位置為(P，q)的像素點屬于非邊緣區(qū)域，則Ζι(ρ，( )=0，如果Lots中坐標(biāo)位置為(p，q)的像素點屬于邊緣區(qū)域，則 Zl(P，q)=l，其中，0〈p 彡 W，0〈q 彡 H ;
對ROTg實施區(qū)域劃分，得到Rots對應(yīng)的區(qū)域劃分系數(shù)矩陣，記為Ζκ，將Zk中坐標(biāo)位置為(P，q)處的區(qū)域劃分系數(shù)記SZK(p，q)，如果Rots中坐標(biāo)位置為(P，q)的像素點屬于非邊緣區(qū)域，則Zk (p，q)=0，如果Rots中坐標(biāo)位置為(P，q)的像素點屬于邊緣區(qū)域，則Zk(p，q)=l, 其中，0〈p ( ff,0<q ( H ；
⑤將Z1劃分成(W-3) X (H-3)個均包含有4X4個區(qū)域劃分系數(shù)的相互重疊的單元矩陣，將t中坐標(biāo)位置為(X，y)的單元矩陣記為<, 其中，0〈x彡W-3，0〈y彡H-3 ;然后根據(jù)Lots和Ldis中所有坐標(biāo)位置相同的兩個圖像塊之間的結(jié)構(gòu)失真程度值和Z1中的所有單元矩陣，計算Lots和Ldis之間的左視點圖像質(zhì)量評價指標(biāo)，記為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 的權(quán)值，ΣΣ(ι-Σ ζ ν“、/))ν--H/ OO、/)表示C,.內(nèi)坐標(biāo)位置為(i，j)處的區(qū)域劃分系數(shù)；
將ZK劃分成(W-3) X (H-3)個均包含有4X4個區(qū)域劃分系數(shù)的相互重疊的單元矩陣，將Zk中坐標(biāo)位置為(X，y)的單元矩陣記為^，其中，0〈x彡ff-3,0<y彡H-3 ;然后根據(jù) Rwg和Rdis中所有坐標(biāo)位置相同的兩個圖像塊之間的結(jié)構(gòu)失真程度值和Zk中的所有單元矩陣，計算Rots和Rdis之間的右視點圖像質(zhì)量評價指標(biāo)，記為
權(quán)利要求
1.一種基于矩陣分解的立體圖像客觀質(zhì)量評價方法，其特征在于包括以下步驟 ①令Sots為原始的無失真的立體圖像，令Sdis為待評價的失真的立體圖像，將Sots的左視點圖像記為LOTg，將SOTg的右視點圖像記為ROTg，將Sdis的左視點圖像記為Ldis,將Sdis的右視點圖像記為Rdis ； ②將LOTg、ROTg、Ldis和Rdis4幅圖像分別分割成(W-3)X (H-3)個尺寸大小為4X4的相互重疊的圖像塊； 然后對LOTg、ROTg、Ldis和Rdis4幅圖像中的每個圖像塊實施海賽矩陣分解，得到LOTg、ROTg、Ldis和Rdis4幅圖像中的每個圖像塊對應(yīng)的用于表示圖像塊凹凸特性的海賽系數(shù)矩陣，將Lots中坐標(biāo)位置為U，y)的圖像塊實施海賽矩陣分解后得到的海賽系數(shù)矩陣記為，將Rots中坐標(biāo)位置為(X，y)的圖像塊實施海賽矩陣分解后得到的海賽系數(shù)矩陣記為將Ldis中坐標(biāo)位置為(x，y)的圖像塊實施海賽矩陣分解后得到的海賽系數(shù)矩陣記為.'C"，將Rdis中坐標(biāo)位置為(x，y)的圖像塊實施海賽矩陣分解后得到的海賽系數(shù)矩陣記為.C夂 再對LOTg、Rorg> Ldis和Rdis 4幅圖像中的每個圖像塊對應(yīng)的海賽系數(shù)矩陣實施奇異值矩陣分解，得到LOTg、ROTg、Ldis和Rdis 4幅圖像中的每個圖像塊對應(yīng)的海賽系數(shù)矩陣對應(yīng)的奇異值系數(shù)矩陣，將實施奇異值矩陣分解后得到的奇異值系數(shù)矩陣記為CT，將4*^實施奇異值矩陣分解后得到的奇異值系數(shù)矩陣記為cr，將^.z實施奇異值矩陣分解后得到的奇異值系數(shù)矩陣記為，將.Cw實施奇異值矩陣分解后得到的奇異值系數(shù)矩陣記為;其中，W 表示 LOTg、ROTg、Ldis 和 Rdis 的寬度，H 表示 LOTg、ROTg、Ldis 和 Rdis 的高度，0〈x ( ff-3,0<y 彡 H-3 ； ③根據(jù)Lots和Ldis中的每個圖像塊對應(yīng)的海賽系數(shù)矩陣對應(yīng)的奇異值系數(shù)矩陣，計算Lots和Ldis中所有坐標(biāo)位置相同的兩個圖像塊之間的結(jié)構(gòu)失真程度值，將Lots和Ldis中左上角坐標(biāo)位置均為(x，y)的兩個圖像塊之間的結(jié)構(gòu)失真程度值記為
2.根據(jù)權(quán)利要求I所述的一種基于矩陣分解的立體圖像客觀質(zhì)量評價方法，其特征在于所述的步驟④的具體過程為 ④-I、采用Sobel算子的水平方向模板分別提取Lots中紅色分量、綠色分量以及藍色分量的水平方向梯度矩陣，將Lots中紅色分量的水平方向梯度矩陣記為Rh，將Lots中綠色分量的水平方向梯度矩陣記為GhJf Lots中藍色分量的水平方向梯度矩陣記為Bh ； 采用Sobel算子的垂直方向模板分別提取Lots中紅色分量、綠色分量以及藍色分量的垂直方向梯度矩陣，將Lots中紅色分量的垂直方向梯度矩陣記為Rv，將Lots中綠色分量的垂直方向梯度矩陣記為Gv，將Lots中藍色分量的垂直方向梯度矩陣記為Bv ； ④-2、計算Lots的方向變化率矩陣，記為U，將U中坐標(biāo)位置為(x’，y’)處的矩陣系數(shù)記為
3.根據(jù)權(quán)利要求2所述的一種基于矩陣分解的立體圖像客觀質(zhì)量評價方法，其特征在于所述的步驟④-3中取α =5。
4.根據(jù)權(quán)利要求I至3中任一項所述的一種基于矩陣分解的立體圖像客觀質(zhì)量評價方法，其特征在于所述的步驟⑤中取ω=0. 6, ω’=0. 6。
5.根據(jù)權(quán)利要求4所述的一種基于矩陣分解的立體圖像客觀質(zhì)量評價方法，其特征在于所述的步驟⑥中Q1的獲取過程為⑥-1、采用η幅無失真的立體圖像建立其在不同失真類型不同失真程度下的失真立體圖像集，該失真立體圖像集包括多幅失真的立體圖像，其中，η > I ； ⑥-2、采用主觀質(zhì)量評價方法，獲取失真立體圖像集中的每幅失真的立體圖像的平均主觀評分差值，將失真立體圖像集中的第j’幅失真的立體圖像的平均主觀評分差值記為DMOSj.，DMOSr (r,r4{- 其中，I彡j’彡J，J表示失真立體圖像集中包含的失真n /’ I的立體圖像的幅數(shù)，η’表示有效的測試人員數(shù)，n’ ^ Lri, Mf(f)表示第i’個測試人員對第j’幅失真的立體圖像對應(yīng)的無失真的立體圖像的評分值，IV」，表示第i’個測試人員對第j’幅失真的立體圖像的評分值； ⑥_3、按照步驟①至步驟⑤的操作過程，計算得到失真立體圖像集中的每幅失真的立體圖像的左視點圖像和對應(yīng)的無失真的立體圖像的左視點圖像之間的左視點圖像質(zhì)量評價指標(biāo)，及失真立體圖像集中的每幅失真的立體圖像的右視點圖像和對應(yīng)的無失真的立體圖像的右視點圖像之間的右視點圖像質(zhì)量評價指標(biāo)； ⑥-4、采用線性擬合加權(quán)的方法擬合失真立體圖像集中的每幅失真的立體圖像的平均主觀評分差值DM0S、每幅失真的立體圖像對應(yīng)的左視點圖像質(zhì)量評價指標(biāo)和右視點圖像質(zhì)量評價指標(biāo)，得到Q1的值。
6.根據(jù)權(quán)利要求5所述的一種基于矩陣分解的立體圖像客觀質(zhì)量評價方法，其特征在于所述的步驟⑧的具體過程為 ⑧-1、將DOTg’LR分割成(W-2) X (H-2)個尺寸大小為3X3的相互重疊的圖像塊，將DOTg’中坐標(biāo)位置為(x，，y，)的圖像塊記為吧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的水平方向梯度矩陣，記為Ra，將Pril中坐標(biāo)位置為(χ’，y’)處的矩陣系數(shù)記為Pril(χ’ ,1’ )，
7.根據(jù)權(quán)利要求6所述的一種基于矩陣分解的立體圖像客觀質(zhì)量評價方法，其特征在于所述的步驟 中λ的獲取過程為 -1、采用η幅無失真的立體圖像建立其在不同失真類型不同失真程度下的失真立體圖像集，該失真立體圖像集包括多幅失真的立體圖像，其中，n^l； ^ -2、采用主觀質(zhì)量評價方法獲取失真立體圖像集中的每幅失真的立體圖像的平均主觀評分差值，將失真立體圖像集中的第j’幅失真的立體圖像的平均主觀評分差值記為
全文摘要
本發(fā)明公開了一種基于矩陣分解的立體圖像客觀質(zhì)量評價方法，其從結(jié)構(gòu)失真的角度出發(fā)，有效地利用了奇異值穩(wěn)定，能較好地表征立體圖像的結(jié)構(gòu)信息的特性，利用了海賽矩陣能較好地表征圖像的紋理或凹凸特性，利用了奇異值能較好地表征絕對差值圖的結(jié)構(gòu)信息特性，以及充分地考慮了人眼對區(qū)域的敏感度，融合了立體圖像畫質(zhì)質(zhì)量以及深度感知質(zhì)量，從而有效地提高了立體圖像客觀質(zhì)量評價結(jié)果與主觀感知之間的相關(guān)性，并準確衡量了立體圖像的失真程度，為立體系統(tǒng)中的各種編碼方法、繪制方法、錯誤隱藏方法等提供了性能優(yōu)劣的評判準則。
文檔編號G06T7/00GK102982532SQ201210427390
公開日2013年3月20日 申請日期2012年10月31日 優(yōu)先權(quán)日2012年10月31日
發(fā)明者蔣剛毅, 毛香英, 郁梅, 朱江英, 王曉東, 彭宗舉, 邵楓 申請人:寧波大學(xué)