一种基于人眼感知的质降参考立体图像质量客观评价方法.pdf

1、10申请公布号CN104144339A43申请公布日20141112CN104144339A21申请号201410264212022申请日20140613H04N17/00200601H04N13/0020060171申请人宁波大学地址315211浙江省宁波市江北区风华路818号72发明人郁梅郑凯辉宋洋刘姗姗靳鑫74专利代理机构宁波奥圣专利代理事务所普通合伙33226代理人周珏54发明名称一种基于人眼感知的质降参考立体图像质量客观评价方法57摘要本发明公开了一种基于人眼感知的质降参考立体图像质量客观评价方法，其通过结合人眼对立体图像的双目感知特性，考虑人眼的双目融合特性和双目竞争特性，对无失真

2、的立体图像的左视点图像和右视点图像及失真的立体图像的左视点图像和右视点图像实施双目立体感知分解，得到各自的双目融合区域和双目竞争区域，再提取无失真的立体图像的左视点图像和右视点图像各自的双目融合区域和双目竞争区域有效的质降参考特征，利用提取的质降参考特征对失真的立体图像进行评价，能够有效地提高客观评价结果与主观感知之间的相关性。51INTCL权利要求书11页说明书27页附图3页19中华人民共和国国家知识产权局12发明专利申请权利要求书11页说明书27页附图3页10申请公布号CN104144339ACN104144339A1/11页21一种基于人眼感知的质降参考立体图像质量客观评价方法，其特征在

3、于它的处理过程为获取原始的无失真的立体图像的左视点图像和右视点图像各自的双目融合区域和双目竞争区域，并获取待评价的失真的立体图像的左视点图像和右视点图像各自的双目融合区域和双目竞争区域；根据原始的无失真的立体图像的左视点图像和右视点图像的双目融合区域，获取原始的无失真的立体图像的独眼图，并根据待评价的失真的立体图像的左视点图像和右视点图像的双目融合区域，获取待评价的失真的立体图像的独眼图；对原始的无失真的立体图像的独眼图通过多级小波变换后得到的所有系数矩阵进行非重叠分块处理，对得到的每个矩阵块进行奇异值分解，获取每个矩阵块的奇异值对角矩阵对应的奇异值和；并对待评价的失真的立体图像的独眼图通过多

4、级小波变换后得到的所有系数矩阵进行非重叠分块处理，对得到的每个矩阵块进行奇异值分解，获取每个矩阵块的奇异值对角矩阵对应的奇异值和；根据原始的无失真的立体图像的独眼图和待评价的失真的立体图像的独眼图各自通过多级小波变换后得到的每个系数矩阵中的每个矩阵块对应的奇异值和，获取待评价的失真的立体图像的独眼图相对于原始的无失真的立体图像的独眼图的对应子带的质量因子，然后利用对比敏感度函数加权所有质量因子得到待评价的失真的立体图像的双目融合区域的质量；对原始的无失真的立体图像的左视点图像和右视点图像及待评价的失真的立体图像的左视点图像和右视点图像各自的双目竞争区域实施多级小波变换，然后对得到的每个系数矩阵

5、中的系数分布进行广义高斯拟合，得到每个系数矩阵的广义高斯拟合模型的尺度参数和形状参数；根据原始的无失真的立体图像的左视点图像的双目竞争区域和待评价的失真的立体图像的左视点图像的双目竞争区域的对应的两个系数矩阵的广义高斯拟合模型的尺度参数和形状参数，获取待评价的失真的立体图像的左视点图像的双目竞争区域相对于原始的无失真的立体图像的左视点图像的双目竞争区域的对应子带的质量因子，然后利用对比敏感度函数加权所有质量因子得到待评价的失真的立体图像的左视点图像的双目竞争区域的质量；并根据原始的无失真的立体图像的右视点图像的双目竞争区域和待评价的失真的立体图像的右视点图像的双目竞争区域的对应的两个系数矩阵的

6、广义高斯拟合模型的尺度参数和形状参数，获取待评价的失真的立体图像的右视点图像的双目竞争区域相对于原始的无失真的立体图像的右视点图像的双目竞争区域的对应子带的质量因子，然后利用对比敏感度函数加权所有质量因子得到待评价的失真的立体图像的右视点图像的双目竞争区域的质量；再根据待评价的失真的立体图像的左视点图像和右视点图像各自的双目竞争区域的质量，获得待评价的失真的立体图像的的双目竞争区域的质量；根据待评价的失真的立体图像的双目融合区域的质量和双目竞争区域的质量，获得待评价的失真的立体图像相对于原始的无失真的立体图像的度量分数。2根据权利要求1所述的一种基于人眼感知的质降参考立体图像质量客观评价方法，

7、其特征在于该方法具体包括以下步骤令IORG表示原始的无失真的立体图像，令IDIS表示待评价的失真的立体图像，将IORG权利要求书CN104144339A2/11页3的左视点图像记为LORG，将IORG的右视点图像记为RORG，将IDIS的左视点图像记为LDIS，将IDIS的右视点图像记为RDIS；对LORG实施双目立体感知分解，得到LORG的双目融合区域和双目竞争区域，对应记为和并对RORG实施双目立体感知分解，得到RORG的双目融合区域和双目竞争区域，对应记为和同样，对LDIS实施双目立体感知分解，得到LDIS的双目融合区域和双目竞争区域，对应记为和并对RDIS实施双目立体感知分解，得到RD

8、IS的双目融合区域和双目竞争区域，对应记为和根据和获取IORG的独眼图，记为将中坐标位置为U,V的像素点的像素值记为同样，根据和获取IDIS的独眼图，记为将中坐标位置为U,V的像素点的像素值记为其中，1UU,1VV，U表示和的宽，V表示和的高，ORG,L表示的权值，ORG,R表示的权值，表示中坐标位置为U,V的像素点的像素值，表示中坐标位置为UD,V的像素点的像素值，D表示相对于的偏移量，DIS,L表示的权值，DIS,R表示的权值，表示中坐标位置为U,V的像素点的像素值，表示中坐标位置为UD，V的像素点的像素值，D表示相对于的偏移量；对实施M级小波变换，得到的每个方向的M个子带和1个直流子带，

9、将实施第M级小波变换后得到的第P个方向的第M个子带的系数矩阵记为将实施M级小波变换后得到的直流子带的系数矩阵记为其中，M1，1P3，P1时第P个方向表示水平方向，P2时第P个方向表示垂直方向，P3时第P个方向表示对角方向，1MM；然后将的每个方向的每个子带的系数矩阵和分别分割成多个尺寸大小为88的互不重叠的矩阵块，将中的第E个矩阵块记为将中的第E个矩阵块记为E的初始值为1，表示的列数，表示的行数，E的初始值为1，表示的列数，表示的行数；接着对的每个方向的每个子带的系数矩阵中的每个矩阵块进行奇异值分解，得到的每个方向的每个子带的系数权利要求书CN104144339A3/11页4矩阵中的每个矩阵块

10、的奇异值对角矩阵，将的奇异值对角矩阵记为同样，对中的每个矩阵块进行奇异值分解，得到中的每个矩阵块的奇异值对角矩阵，将的奇异值对角矩阵记为再计算的每个方向的每个子带的系数矩阵中的每个矩阵块的奇异值对角矩阵对应的奇异值和，将对应的奇异值和记为同样，计算中的每个矩阵块的奇异值对角矩阵对应的奇异值和，将对应的奇异值和记为其中，表示中坐标位置为I,J处的奇异值，I,J表示中坐标位置为I,J处的奇异值，1I8，1J8；同样，对实施M级小波变换，得到的每个方向的M个子带和1个直流子带，将实施第M级小波变换后得到的第P个方向的第M个子带的系数矩阵记为将实施M级小波变换后得到的直流子带的系数矩阵记为其中，M1，

11、1P3，P1时第P个方向表示水平方向，P2时第P个方向表示垂直方向，P3时第P个方向表示对角方向，1MM；然后将的每个方向的每个子带的系数矩阵和分别分割成多个尺寸大小为88的互不重叠的矩阵块，将中的第E个矩阵块记为将中的第E个矩阵块记为E的初始值为1，表示的列数，与一致，表示的行数，与一致，E的初始值为1，表示的列数，与一致，表示的行数，与一致；接着对的每个方向的每个子带的系数矩阵中的每个矩阵块进行奇异值分解，得到的每个方向的每个子带的系数矩阵中的每个矩阵块的奇异值对角矩阵，将的奇异值对角矩阵记为同样，对中的每个矩阵块进行奇异值分解，得到中的每个矩阵块的奇异值对角矩阵，将的奇异值对角矩阵记为再

12、计算的每个方向的每个子带的系数矩阵中的每个矩阵块的奇异值对角矩阵对应的奇异值和，将对应的奇权利要求书CN104144339A4/11页5异值和记为同样，计算中的每个矩阵块的奇异值对角矩阵对应的奇异值和，将对应的奇异值和记为其中，表示中坐标位置为I,J处的奇异值，表示中坐标位置为I,J处的奇异值，1I8，1J8；计算的每个方向的每个子带的系数矩阵中的每个矩阵块与的每个方向的每个子带的系数矩阵中的每个矩阵块之间的奇异值特征距离，将与之间的奇异值特征距离记为其中，符号“|”为取绝对值符号；同样，计算中的每个矩阵块与中的每个矩阵块之间的奇异值特征距离，将与之间的奇异值特征距离记为其中，符号“|”为取绝

13、对值符号；然后计算相对于的同方向的对应子带的质量因子，将的第P个方向的第M个子带相对于的第P个方向的第M个子带的质量因子记为FUSP,M，其中，MIDFUS,P,M表示中的所有矩阵块与中对应矩阵块之间的奇异值特征距离的中值；同样，计算的直流子带相对于的直流子带的质量因子，记为FUSDC，其中，MIDFUS,DC表示中的所有矩阵块与中对应矩阵块之间的奇异值特征距离的中值；接着利用对比敏感度函数对相对于的同方向的对应子带的质量因子及的直流子带相对于的直流子带的质量因子进行加权，得到IDIS的双目融合区域的质量，记为权利要求书CN104144339A5/11页6QCYC，其中，WP,M表示和的第P个

14、方向的第M个子带的对比灵敏度函数系数，AP,M表示第P个方向的第M个子带的频带区间的下限，BP,M表示第P个方向的第M个子带的频带区间的上限，当1MM时，当MM时，AP,M0，WDC表示和的直流子带的对比灵敏度函数系数，WDC1；对实施M级小波变换，得到的每个方向的M个子带和1个直流子带，将实施第M级小波变换后得到的第P个方向的第M个子带的系数矩阵记为将实施M级小波变换后得到的直流子带的系数矩阵记为其中，M1，1P3，P1时第P个方向表示水平方向，P2时第P个方向表示垂直方向，P3时第P个方向表示对角方向，1MM；然后对的每个方向的每个子带的系数矩阵中的系数分布进行广义高斯拟合，得到的每个方向

15、的每个子带的系数矩阵的广义高斯拟合模型的尺度参数和形状参数，将的广义高斯拟合模型描述为同样，对中的系数分布进行广义高斯拟合，得到的广义高斯拟合模型的尺度参数和形状参数，将的广义高斯拟合模型描述为其中，为的广义高斯拟合模型的尺度参数，为的广义高斯拟合模型的形状参数，为的广义高斯拟合模型的尺度参数，为的广义高斯拟合模型的形状参数，表示的广义高斯拟合模型的输出，表示的广义高斯拟合模型的输入，表示的广义高斯拟合模型的输出，表示的广义高斯拟合模型的输入，表示GAMMA函数，符号“|”为取绝对值符号；权利要求书CN104144339A6/11页7同样，对实施M级小波变换，得到的每个方向的M个子带和1个直流

16、子带，将实施第M级小波变换后得到的第P个方向的第M个子带的系数矩阵记为将实施M级小波变换后得到的直流子带的系数矩阵记为其中，M1，1P3，P1时第P个方向表示水平方向，P2时第P个方向表示垂直方向，P3时第P个方向表示对角方向，1MM；然后对的每个方向的每个子带的系数矩阵中的系数分布进行广义高斯拟合，得到的每个方向的每个子带的系数矩阵的广义高斯拟合模型的尺度参数和形状参数，将的广义高斯拟合模型描述为同样，对中的系数分布进行广义高斯拟合，得到的广义高斯拟合模型的尺度参数和形状参数，将的广义高斯拟合模型描述为其中，为的广义高斯拟合模型的尺度参数，为的广义高斯拟合模型的形状参数，为的广义高斯拟合模型

17、的尺度参数，为的广义高斯拟合模型的形状参数，表示的广义高斯拟合模型的输出，表示的广义高斯拟合模型的输入，表示的广义高斯拟合模型的输出，表示的广义高斯拟合模型的输入，表示GAMMA函数，符号“|”为取绝对值符号；同样，对实施M级小波变换，得到的每个方向的M个子带和1个直流子带，将实施第M级小波变换后得到的第P个方向的第M个子带的系数矩阵记为将实施M级小波变换后得到的直流子带的系数矩阵记为其中，M1，1P3，P1时第P个方向表示水平方向，P2时第P个方向表示垂直方向，P3时第P个方向表示对角方向，1MM；然后对的每个方向的每个子带的系数矩阵中的系数分布进行广义高斯拟合，得到的每个方向的每个子带的系

18、数矩阵的广义高斯拟合模型的尺度参数和形状参数，将的广义高斯拟合模型描述为同样，对中的系数分布进行广义高斯拟合，得到的广义高斯拟合模型的尺度参数和形状参数，将的广义高权利要求书CN104144339A7/11页8斯拟合模型描述为其中，为的广义高斯拟合模型的尺度参数，为的广义高斯拟合模型的形状参数，为的广义高斯拟合模型的尺度参数，为的广义高斯拟合模型的形状参数，表示的广义高斯拟合模型的输出，表示的广义高斯拟合模型的输入，表示的广义高斯拟合模型的输出，表示的广义高斯拟合模型的输入，表示GAMMA函数，符号“|”为取绝对值符号；同样，对实施M级小波变换，得到的每个方向的M个子带和1个直流子带，将实施第

19、M级小波变换后得到的第P个方向的第M个子带的系数矩阵记为将实施M级小波变换后得到的直流子带的系数矩阵记为其中，M1，1P3，P1时第P个方向表示水平方向，P2时第P个方向表示垂直方向，P3时第P个方向表示对角方向，1MM；然后对的每个方向的每个子带的系数矩阵中的系数分布进行广义高斯拟合，得到的每个方向的每个子带的系数矩阵的广义高斯拟合模型的尺度参数和形状参数，将的广义高斯拟合模型描述为同样，对中的系数分布进行广义高斯拟合，得到的广义高斯拟合模型的尺度参数和形状参数，将的广义高斯拟合模型描述为其中，为的广义高斯拟合模型的尺度参数，为的广义高斯拟合模型的形状参数，为的广义高斯拟合模型的尺度参数，为

20、的广义高斯拟合模型的形状参数，表示的广义高斯拟合模型的输出，表示的广义高斯拟合模型的输入，表示的广义高斯拟合模型的输出，表示的广义高斯拟合模型的输入，表示GAMMA函数，符号“|”为取绝对值符号；根据的每个方向的每个子带的系数矩阵的广义高斯拟合模型的尺度参数和形状参数和的每个方向的每个子带的系数矩阵的广义高斯拟合模型的尺度参数和形状参数，计算相对于的同方向的对应子带的质量因子，将的第P个方向的第M个子带相对于的第P个方向的第M个子带的质量因子记为权利要求书CN104144339A8/11页9同样，根据的广义高斯拟合模型的尺度参数和形状参数和的广义高斯拟合模型的尺度参数和形状参数，计算的直流子带

21、相对于的直流子带的质量因子，记为同样，根据的每个方向的每个子带的系数矩阵的广义高斯拟合模型的尺度参数和形状参数和的每个方向的每个子带的系数矩阵的广义高斯拟合模型的尺度参数和形状参数，计算相对于的同方向的对应子带的质量因子，将的第P个方向的第M个子带相对于的第P个方向的第M个子带的质量因子记为同样，根据的广义高斯拟合模型的尺度参数和形状参数和的广义高斯拟合模型的尺度参数和形状参数，计算的直流子带相对于的直流子带的质量因子，记为利用对比敏感度函数对相对于的同方向的对应子带的质量因子及的直流子带相对于的直流子带的质量因子进行加权，得到LDIS的双目竞争区域的质量，记为其中，表示和的第P个方向的第M个

22、子带的对比灵敏度函数系数，AP,M表示第P个方向的第M个子带的频带区间的下限，BP,M表示第P个方向的第M个子带的频带区间的上限，当1MM时，当MM时，AP,M0，表示和权利要求书CN104144339A9/11页10的直流子带的对比灵敏度函数系数，符号“|”为取绝对值符号；同样，利用对比敏感度函数对相对于的同方向的对应子带的质量因子及的直流子带相对于的直流子带的质量因子进行加权，得到RDIS的双目竞争区域的质量，记为其中，表示和的第P个方向的第M个子带的对比灵敏度函数系数，AP,M表示第P个方向的第M个子带的频带区间的下限，BP,M表示第P个方向的第M个子带的频带区间的上限，当1MM时，当M

23、M时，AP,M0，表示和的直流子带的对比灵敏度函数系数，符号“|”为取绝对值符号；根据和获取IDIS的双目竞争区域的质量，记为QRIV，其中，MIN为取最小值函数；根据IDIS的双目融合区域的质量QCYC和IDIS的双目竞争区域的质量QRIV，计算IDIS相对于IORG的度量分数，记为Q，QQRIVQCYCP，其中，P表示QCYC的权值系数。3根据权利要求2所述的一种基于人眼感知的质降参考立体图像质量客观评价方法，其特征在于所述的步骤中LORG的双目融合区域和双目竞争区域的获取过程为A1、对LORG做13个像素点的“SYMMETRIC”对称边界扩展，得到LORG的边界扩张图；B1、采用尺寸大小

24、为2727的第一滑动窗口在LORG的边界扩张图除上边界、下边界、左边界和右边界各13个像素点外的中心区域中逐像素点移动，保证第一滑动窗口始终位于LORG的边界扩张图中；C1、将左上角像素点与LORG的边界扩张图的左上角像素点一致的第一滑动窗口作为当前第一滑动窗口，将LORG的边界扩张图中与当前第一滑动窗口相对应的区域定义为当前计算区域；D1、将以当前计算区域的中心像素点为中心的尺寸大小为2121的区域定义为基准块；E1、采用尺寸大小为2121的第二滑动窗口在当前计算区域内移动，并使第二滑动窗口的中心像素点在当前计算区域的中心77区域中逐像素点移动，以保证第二滑动窗口始终位于当前计算区域中；F1

25、、将左上角像素点与当前计算区域的左上角像素点一致的第二滑动窗口作为当前第二滑动窗口，将当前计算区域中与当前第二滑动窗口相对应的区域定义为当前计算权利要求书CN104144339A1010/11页11块；G1、判断当前计算块与基准块是否为同一个区域，如果是，则保持当前计算块中的所有像素点的像素值不变，然后执行步骤H1；否则，计算当前计算块与基准块的互信息值，假设当前计算块的中心像素点在当前计算区域的中心77区域中的坐标位置为I,J，则将当前计算块与基准块的互信息值记为HI,J，然后将HI,J作为当前计算块的中心像素点的加权系数，再执行步骤H1，其中，1I7,1J7，且I,J不同时为3；H1、将下

26、一个第二滑动窗口作为当前第二滑动窗口，将当前计算区域中与当前第二滑动窗口相对应的区域作为当前计算块，然后返回步骤G1继续执行，直至获得当前计算区域中除与基准块为同一区域的计算块外的每个计算块与基准块的互信息值；I1、根据当前计算区域中除与基准块为同一区域的计算块外的每个计算块与基准块的互信息值，计算当前计算区域的中心像素点的双目融合区域值，假设当前计算区域的中心像素点在LORG的边界扩张图除上边界、下边界、左边界和右边界各13个像素点外的中心区域中的坐标位置为M,N，则将当前计算区域的中心像素点的双目融合区域值记为XM,N，其中，1MW,1NH，W表示LORG的边界扩张图除上边界、下边界、左边

27、界和右边界各13个像素点外的中心区域的宽，W亦表示LORG的宽，H表示LORG的边界扩张图除上边界、下边界、左边界和右边界各13个像素点外的中心区域的高，H亦表示LORG的高，1I7,1J7，且I,J不同时为3，XI,J表示HI,J对应的计算块的中心像素点的像素值；J1、将下一个第一滑动窗口作为当前第一滑动窗口，将LORG的边界扩张图中与当前第一滑动窗口相对应的区域作为当前计算区域，然后返回步骤D1继续执行，直至获得LORG的边界扩张图中的每个计算区域的中心像素点的双目融合区域值，将由LORG的边界扩张图中的所有计算区域的中心像素点的双目融合区域值构成的图像作为LORG的双目融合区域，记为K1

28、、根据LORG和LORG的双目融合区域获取LORG的双目竞争区域，记为按照步骤A1至步骤K1的过程，采用相同的方式获取RORG的双目融合区域和双目竞争区域、LDIS的双目融合区域和双目竞争区域、RDIS的双目融合区域和双目竞争区域。4根据权利要求2或3所述的一种基于人眼感知的质降参考立体图像质量客观评价方法，其特征在于所述的步骤中取ORG,L05,ORG,R05，取DIS,L05,DIS,R05。5根据权利要求4所述的一种基于人眼感知的质降参考立体图像质量客观评价方法，其特征在于所述的步骤中采用“DB1”小波基分别对和实施M级小波变换；所述的步骤中采用“DB1”小波基分别对和实施M级小波变换。

29、6根据权利要求5所述的一种基于人眼感知的质降参考立体图像质量客观评价方法，权利要求书CN104144339A1111/11页12其特征在于所述的步骤中为通过对实施组数为100的直方图统计得到的直方图频数统计区间的中点值，为通过对实施组数为100的直方图统计得到的频数；为通过对实施组数为100的直方图统计得到的直方图频数统计区间的中点值，为通过对实施组数为100的直方图统计得到的频数；为通过对实施组数为100的直方图统计得到的直方图频数统计区间的中点值，为通过对实施组数为100的直方图统计得到的频数，为通过对实施组数为100的直方图统计得到的直方图频数统计区间的中点值，为通过对实施组数为100的

30、直方图统计得到的频数；为通过对实施组数为100的直方图统计得到的直方图频数统计区间的中点值，为通过对实施组数为100的直方图统计得到的频数，为通过对实施组数为100的直方图统计得到的直方图频数统计区间的中点值，为通过对实施组数为100的直方图统计得到的频数；为通过对实施组数为100的直方图统计得到的直方图频数统计区间的中点值，为通过对实施组数为100的直方图统计得到的频数，为通过对实施组数为100的直方图统计得到的直方图频数统计区间的中点值，为通过对实施组数为100的直方图统计得到的频数。7根据权利要求6所述的一种基于人眼感知的质降参考立体图像质量客观评价方法，其特征在于所述的步骤中QCYC的

31、权值系数P的获取过程为A、采用N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，N1；B、采用主观质量评价方法，获取该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，记为DMOS，DMOS100MOS，其中，MOS表示主观评分均值，DMOS0,100；C、按照步骤至步骤的过程，采用相同的方式计算该失真立体图像集中的每幅失真的立体图像的双目融合区域的质量QCYC和双目竞争区域的质量QRIV；D、令P在区间0,1内以01为步长进行取值，分别求取不同P值下的QQRIVQCYCP，将每个P值下的QQRIVQCYCP与平均主观评

32、分差值DMOS进行四参数LOGISTIC函数非线性拟合，得到各个P值下的拟合结果，选取最好的拟合结果对应的P值，作为QCYC的权值系数。权利要求书CN104144339A121/27页13一种基于人眼感知的质降参考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人眼感知的质降参考立体图像质量客观评价方法。背景技术0002随着三维图像和视频技术的不断发展，立体图像的应用已经大量的融入到人类社会生活中，如立体电视、立体电影、裸眼3D等已变得十分普遍。然而，在立体图像采集、压缩、编码、传输、显示等过程中或多或少会引入不同程度和不同类型的失真。因而，对立体图像

33、的质量评价是不可或缺的，立体图像质量评价可分为主观评价和客观评价两大类，如何用客观模型准确评价立体图像的质量成为了图像研究领域的一个关键问题。目前，对立体图像质量客观评价主流方法为全参考的质量客观评价方法，但全参考的质量客观评价方法在评价立体图像质量时，需要在接收端用到原始图像，因此对传送信道有更高的要求。一些研究者提出的无参考的质量客观评价方法虽然不需要额外的信息传输，但评价准确性普遍较差。而质降参考的质量客观评价方法通过提取原始图像的特征，在接收端评价图像质量，只需传输较少的特征信息，相比全参考的质量客观评价方法，节省了传输图像信息所需的带宽，相比无参考的质量客观评价方法，客观评价结果与主

34、观一致性更好。0003质降参考的质量客观评价方法在平面图像和视频的质量评价中有一定的应用。WANG提出了一种基于小波域的质降参考图像质量评价模型REDUCEDREFERENCEIMAGEQUALITYASSESSMENT,RRIQA，该模型通过统计小波子带系数的分布密度函数，来提取参考图像的特征参数，度量图像的失真程度；CHAMINDA提出了一种基于边缘特征提取的质降参考视频质量评价模型，该模型通过深度图和彩色图来提取边缘，再提取质降参考特征；REHMAN通过对图像结构相似度提取统计特征作为半参考的特征值，提出了一种基于结构相似度的半参考图像质量评价方法。以上的半参考模型方法在图像的特征提取上

35、使用了很少的特征值个数，对于带宽的利用率较高，但是在评价上，只能针对特定的一种或者几种失真类型取得较好的评价结果，普适性较差。0004当前，对于立体图像和视频领域而言，质降参考的质量客观评价方法还很少。在国际会议“3D电视会议真实的三维视频视觉捕捉，传输和显示”3DTVCONFERENCETHETRUEVISIONCAPTURE,TRANSMISSIONANDDISPLAYOF3DVIDEO上公开的文章三维深度图传输的质降参考质量评价模型REDUCEDREFERENCEQUALITYMETRICFOR3DDEPTHMAPTRANSMISSION，其考虑到视频传输的实时性，通过对立体图像的边缘信

36、息质降参考的特征的提取，提出了一种质降参考的立体质量评价模型，但是该模型并未充分考虑到人眼的立体感知特性，且评价效果不够准确。此外，通过水印嵌入的方式，来作为质降图像特征的方法也取得了一定的成果。在国际期刊“信号处理图像通信”SIGNALPROCESSINGIMAGECOMMUNICATION上公开的文章基于视差零水印的质降参考立体图像质量评价模型REDUCEDREFERENCESTEREOSCOPICIMAGEQUALITYASSESSMENTBASEDONVIEWANDDISPARITYZEROWATERMARKS，其提出了一种零水印的立体图像质降参考模型，该模型利说明书CN1041443

37、39A132/27页14用对小波域的各子带水平和垂直系数特征的统计，构造零水印对立体图像质量进行评价，但该模型缺少对人眼立体感知特性的考虑，且由于在图像中加入水印的同时，破坏了原始图像信息，因此在提取水印时，能否完全恢复加入的水印会直接影响到评价结果，故基于水印的方法并不适用于质量评价。发明内容0005本发明所要解决的技术问题是提供一种基于人眼感知的质降参考立体图像质量客观评价方法，其能够有效地提高客观评价结果与主观感知之间的相关性。0006本发明解决上述技术问题所采用的技术方案为一种基于人眼感知的质降参考立体图像质量客观评价方法，其特征在于它的处理过程为0007获取原始的无失真的立体图像的左

38、视点图像和右视点图像各自的双目融合区域和双目竞争区域，并获取待评价的失真的立体图像的左视点图像和右视点图像各自的双目融合区域和双目竞争区域；0008根据原始的无失真的立体图像的左视点图像和右视点图像的双目融合区域，获取原始的无失真的立体图像的独眼图，并根据待评价的失真的立体图像的左视点图像和右视点图像的双目融合区域，获取待评价的失真的立体图像的独眼图；0009对原始的无失真的立体图像的独眼图通过多级小波变换后得到的所有系数矩阵进行非重叠分块处理，对得到的每个矩阵块进行奇异值分解，获取每个矩阵块的奇异值对角矩阵对应的奇异值和；并对待评价的失真的立体图像的独眼图通过多级小波变换后得到的所有系数矩阵

39、进行非重叠分块处理，对得到的每个矩阵块进行奇异值分解，获取每个矩阵块的奇异值对角矩阵对应的奇异值和；0010根据原始的无失真的立体图像的独眼图和待评价的失真的立体图像的独眼图各自通过多级小波变换后得到的每个系数矩阵中的每个矩阵块对应的奇异值和，获取待评价的失真的立体图像的独眼图相对于原始的无失真的立体图像的独眼图的对应子带的质量因子，然后利用对比敏感度函数加权所有质量因子得到待评价的失真的立体图像的双目融合区域的质量；0011对原始的无失真的立体图像的左视点图像和右视点图像及待评价的失真的立体图像的左视点图像和右视点图像各自的双目竞争区域实施多级小波变换，然后对得到的每个系数矩阵中的系数分布进

40、行广义高斯拟合，得到每个系数矩阵的广义高斯拟合模型的尺度参数和形状参数；0012根据原始的无失真的立体图像的左视点图像的双目竞争区域和待评价的失真的立体图像的左视点图像的双目竞争区域的对应的两个系数矩阵的广义高斯拟合模型的尺度参数和形状参数，获取待评价的失真的立体图像的左视点图像的双目竞争区域相对于原始的无失真的立体图像的左视点图像的双目竞争区域的对应子带的质量因子，然后利用对比敏感度函数加权所有质量因子得到待评价的失真的立体图像的左视点图像的双目竞争区域的质量；并根据原始的无失真的立体图像的右视点图像的双目竞争区域和待评价的失真的立体图像的右视点图像的双目竞争区域的对应的两个系数矩阵的广义高

41、斯拟合模型的尺度参数和形状参数，获取待评价的失真的立体图像的右视点图像的双目竞争区域相对于原始的无失真的立体图像的右视点图像的双目竞争区域的对应子带的质量因子，然后利说明书CN104144339A143/27页15用对比敏感度函数加权所有质量因子得到待评价的失真的立体图像的右视点图像的双目竞争区域的质量；再根据待评价的失真的立体图像的左视点图像和右视点图像各自的双目竞争区域的质量，获得待评价的失真的立体图像的的双目竞争区域的质量；0013根据待评价的失真的立体图像的双目融合区域的质量和双目竞争区域的质量，获得待评价的失真的立体图像相对于原始的无失真的立体图像的度量分数。0014本发明的基于人眼

42、感知的质降参考立体图像质量客观评价方法具体包括以下步骤0015令IORG表示原始的无失真的立体图像，令IDIS表示待评价的失真的立体图像，将IORG的左视点图像记为LORG，将IORG的右视点图像记为RORG，将IDIS的左视点图像记为LDIS，将IDIS的右视点图像记为RDIS；0016对LORG实施双目立体感知分解，得到LORG的双目融合区域和双目竞争区域，对应记为和并对RORG实施双目立体感知分解，得到RORG的双目融合区域和双目竞争区域，对应记为和同样，对LDIS实施双目立体感知分解，得到LDIS的双目融合区域和双目竞争区域，对应记为和并对RDIS实施双目立体感知分解，得到RDIS的双

43、目融合区域和双目竞争区域，对应记为和0017根据和获取IORG的独眼图，记为将中坐标位置为U,V的像素点的像素值记为同样，根据和获取IDIS的独眼图，记为将中坐标位置为U,V的像素点的像素值记为其中，1UU,1VV，U表示和的宽，V表示和的高，ORG,L表示的权值，ORG,R表示的权值，表示中坐标位置为U,V的像素点的像素值，表示中坐标位置为UD,V的像素点的像素值，D表示相对于的偏移量，DIS,L表示的权值，DIS,R表示的权值，表示中坐标位置为U,V的像素点的像素值，表示中坐标位置为UD,V的像素点的像素值，D表示相对于的偏移量；0018对实施M级小波变换，得到的每个方向的M个子带和1个直

44、流子带，将实施第M级小波变换后得到的第P个方向的第M个子带的系数矩阵记为将实施M级小波变换后得到的直流子带的系数矩阵记为其中，M1，1P3，P1时第P个方向表示水平方向，P2时第P个方向表示垂直方向，P3时第P个方向表说明书CN104144339A154/27页16示对角方向，1MM；然后将的每个方向的每个子带的系数矩阵和分别分割成多个尺寸大小为88的互不重叠的矩阵块，将中的第E个矩阵块记为将中的第E个矩阵块记为E的初始值为1，表示的列数，表示的行数，E的初始值为1，表示的列数，表示的行数；接着对的每个方向的每个子带的系数矩阵中的每个矩阵块进行奇异值分解，得到的每个方向的每个子带的系数矩阵中的

45、每个矩阵块的奇异值对角矩阵，将的奇异值对角矩阵记为同样，对中的每个矩阵块进行奇异值分解，得到中的每个矩阵块的奇异值对角矩阵，将的奇异值对角矩阵记为再计算的每个方向的每个子带的系数矩阵中的每个矩阵块的奇异值对角矩阵对应的奇异值和，将对应的奇异值和记为同样，计算中的每个矩阵块的奇异值对角矩阵对应的奇异值和，将对应的奇异值和记为其中，表示中坐标位置为I,J处的奇异值，表示中坐标位置为I,J处的奇异值，1I8，1J8；0019同样，对实施M级小波变换，得到的每个方向的M个子带和1个直流子带，将实施第M级小波变换后得到的第P个方向的第M个子带的系数矩阵记为将实施M级小波变换后得到的直流子带的系数矩阵记为

46、其中，M1，1P3，P1时第P个方向表示水平方向，P2时第P个方向表示垂直方向，P3时第P个方向表示对角方向，1MM；然后将的每个方向的每个子带的系数矩阵和分别分割成多个尺寸大小为88的互不重叠的矩阵块，将中的第E个矩阵块记为将中的第E个矩阵块记为E的初始值为1，表示的列数，与一致，表示的行数，与一致，E的初始值为1，表示的列数，与一致，表示的行数，与一致；接着对的每个方向的每个子带说明书CN104144339A165/27页17的系数矩阵中的每个矩阵块进行奇异值分解，得到的每个方向的每个子带的系数矩阵中的每个矩阵块的奇异值对角矩阵，将的奇异值对角矩阵记为同样，对中的每个矩阵块进行奇异值分解，

47、得到中的每个矩阵块的奇异值对角矩阵，将的奇异值对角矩阵记为再计算的每个方向的每个子带的系数矩阵中的每个矩阵块的奇异值对角矩阵对应的奇异值和，将对应的奇异值和记为同样，计算中的每个矩阵块的奇异值对角矩阵对应的奇异值和，将对应的奇异值和记为其中，表示中坐标位置为I,J处的奇异值，表示中坐标位置为I,J处的奇异值，1I8，1J8；0020计算的每个方向的每个子带的系数矩阵中的每个矩阵块与的每个方向的每个子带的系数矩阵中的每个矩阵块之间的奇异值特征距离，将与之间的奇异值特征距离记为其中，符号“|”为取绝对值符号；同样，计算中的每个矩阵块与中的每个矩阵块之间的奇异值特征距离，将与之间的奇异值特征距离记为

48、其中，符号“|”为取绝对值符号；0021然后计算相对于的同方向的对应子带的质量因子，将的第P个方向的第M个子带相对于的第P个方向的第M个子带的质量因子记为FUSP,M，其中，MIDFUS,P,M表示中的所有矩阵块与中对应矩阵块之间的奇异值特征距离的中值；同样，计算的直流子带相对于的直流子带的质量因子，记为FUSDC，其中，MIDFUS,DC说明书CN104144339A176/27页18表示中的所有矩阵块与中对应矩阵块之间的奇异值特征距离的中值；0022接着利用对比敏感度函数对相对于的同方向的对应子带的质量因子及的直流子带相对于的直流子带的质量因子进行加权，得到IDIS的双目融合区域的质量，记

49、为QCYC，其中，WP,M表示和的第P个方向的第M个子带的对比灵敏度函数系数，AP,M表示第P个方向的第M个子带的频带区间的下限，BP,M表示第P个方向的第M个子带的频带区间的上限，当1MM时，当MM时，AP,M0，WDC表示和的直流子带的对比灵敏度函数系数，WDC1；0023对实施M级小波变换，得到的每个方向的M个子带和1个直流子带，将实施第M级小波变换后得到的第P个方向的第M个子带的系数矩阵记为将实施M级小波变换后得到的直流子带的系数矩阵记为其中，M1，1P3，P1时第P个方向表示水平方向，P2时第P个方向表示垂直方向，P3时第P个方向表示对角方向，1MM；然后对的每个方向的每个子带的系数矩阵中的系数分布进行广义高斯拟合，得到的每个方向的每个子带的系数矩阵的广义高斯拟合模型的尺度参数和形状参数，将的广义高斯拟合模型描述为同样，对中的系数分布进行广义高斯拟