CN101872479A - 一种立体图像客观质量评价方法 - Google Patents

一种立体图像客观质量评价方法 Download PDF

Info

Publication number
CN101872479A
CN101872479A CN 201010197225 CN201010197225A CN101872479A CN 101872479 A CN101872479 A CN 101872479A CN 201010197225 CN201010197225 CN 201010197225 CN 201010197225 A CN201010197225 A CN 201010197225A CN 101872479 A CN101872479 A CN 101872479A
Authority
CN
China
Prior art keywords
sub
dis
org
wavelet coefficient
coefficient matrix
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN 201010197225
Other languages
English (en)
Other versions
CN101872479B (zh
Inventor
郁梅
王阿红
蒋刚毅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ningbo University
Original Assignee
Ningbo University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ningbo University filed Critical Ningbo University
Priority to CN2010101972252A priority Critical patent/CN101872479B/zh
Publication of CN101872479A publication Critical patent/CN101872479A/zh
Application granted granted Critical
Publication of CN101872479B publication Critical patent/CN101872479B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明公开了一种立体图像客观质量评价方法，分别对无失真的立体图像和失真的立体图像的左视点图像和右视点图像进行小波变换，提取各子带的特征值，并对特征值作相似度度量，各子带的权重系数由对比度敏感函数决定；然后，通过评价无失真的立体图像和失真的立体图像的左右图像的绝对差值图像相似度实现对立体感知质量的评价；最后将左右图像的质量和立体感知质量两者相结合，得到对立体图像质量的最终评价结果，优点在于利用了人类视觉灵敏度带通、多通道效应以及立体感知等人眼视觉特性，在评价左右视点图像质量的基础上，同时评价立体感知，将立体图像中立体感知对最终立体图像质量的影响融入评价模型，提高了客观评价结果与主观感知的相关性。

Description

一种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，尤其是涉及一种立体图像客观质量评价方法。
背景技术
图像质量评价是图像处理领域的研究热点，图像质量是比较各种图像处理算法性能优劣以及优化系统参数的重要指标，因此在图像采集、编码压缩、网络传输等领域建立有效的图像质量评价机制具有重大的意义。随着多媒体技术和互联网技术的大力发展，立体视频技术正迅速发展起来。与传统媒体相比，立体视频能够为大众创造更加直观真实的场景感受，但其需要处理的数据至少多了一倍。因此，立体图像在提高编码压缩效率的同时，还需要保证立体图像的主观感知。综上，评价立体图像质量，并建立与主观质量评价相一致的客观评价模型显得尤为重要。相对于平面图像质量评价，国内外对立体图像质量评价的研究还比较少，大部分客观评价模型没有结合人眼视觉特性，或是只是评价图像质量，而没有评价立体感知，导致最终客观评价结果与主观感知的相关性较差。
发明内容
本发明所要解决的技术问题是提供一种结合人眼视觉特性，能够有效提高客观评价结果与主观感知的相关性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：一种立体图像客观质量评价方法，包括以下步骤：
①令Sorg为原始的无失真的立体图像，Sdis为待评价的失真的立体图像，将原始的无失真的立体图像Sorg的左视点图像记为Lorg，将原始的无失真的立体图像Sorg的右视点图像记为Rorg，将待评价的失真的立体图像Sdis的左视点图像记为Ldis，将待评价的失真的立体图像Sdis的右视点图像记为Rdis；
②对Lorg、Rorg、Ldis和Rdis 4幅图像分别实施M级小波变换，分别得到Lorg、Rorg、Ldis和Rdis4幅图像各自对应的3M+1个子带的小波系数矩阵，其中，3M+1个子带包括M个水平方向子带、M个垂直方向子带、M个对角方向子带和1个直流子带，将Lorg实施第m级小波变换后得到的第m个水平方向子带的小波系数矩阵记为
Figure BSA00000137759100021
将Lorg实施第m级小波变换后得到的第m个垂直方向子带的小波系数矩阵记为
Figure BSA00000137759100022
将Lorg实施第m级小波变换后得到的第m个对角方向子带的小波系数矩阵记为
Figure BSA00000137759100023
将Lorg实施M级小波变换后得到的直流子带的小波系数矩阵记为将Rorg实施第m级小波变换后得到的第m个水平方向子带的小波系数矩阵记为
Figure BSA00000137759100025
将Rorg实施第m级小波变换后得到的第m个垂直方向子带的小波系数矩阵记为
Figure BSA00000137759100026
将Rorg实施第m级小波变换后得到的第m个对角方向子带的小波系数矩阵记为
Figure BSA00000137759100027
将Rorg实施M级小波变换后得到的直流子带的小波系数矩阵记为
Figure BSA00000137759100028
将Ldis实施第m级小波变换后得到的第m个水平方向子带的小波系数矩阵记为
Figure BSA00000137759100029
将Ldis实施第m级小波变换后得到的第m个垂直方向子带的小波系数矩阵记为
Figure BSA000001377591000210
将Ldis实施第m级小波变换后得到的第m个对角方向子带的小波系数矩阵记为
Figure BSA000001377591000211
将Ldis实施M级小波变换后得到的直流子带的小波系数矩阵记为
Figure BSA000001377591000212
将Rdis实施第m级小波变换后得到的第m个水平方向子带的小波系数矩阵记为
Figure BSA000001377591000213
将Rdis实施第m级小波变换后得到的第m个垂直方向子带的小波系数矩阵记为
Figure BSA000001377591000214
将Rdis实施第m级小波变换后得到的第m个对角方向子带的小波系数矩阵记为将Rdis实施M级小波变换后得到的直流子带的小波系数矩阵记为
Figure BSA000001377591000216
1≤m≤M；
③分别计算Lorg实施M级小波变换后得到的M个水平方向子带、M个垂直方向子带、M个对角方向子带和1个直流子带的小波系数矩阵的标准差，其中，将Lorg对应的第m个水平方向子带的小波系数矩阵
Figure BSA000001377591000217
的标准差记为
Figure BSA000001377591000218
将Lorg对应的第m个垂直方向子带的小波系数矩阵
Figure BSA000001377591000219
的标准差记为
Figure BSA000001377591000220
将Lorg对应的第m个对角方向子带的小波系数矩阵
Figure BSA000001377591000221
的标准差记为
Figure BSA000001377591000222
将Lorg对应的直流子带的小波系数矩阵
Figure BSA000001377591000223
的标准差记为
分别计算Rorg实施M级小波变换后得到的M个水平方向子带、M个垂直方向子带、M个对角方向子带和1个直流子带的小波系数矩阵的标准差，其中，将Rorg对应的第m个水平方向子带的小波系数矩阵
Figure BSA000001377591000225
的标准差记为
Figure BSA000001377591000226
将Rorg对应的第m个垂直方向子带的小波系数矩阵
Figure BSA000001377591000227
的标准差记为
Figure BSA000001377591000228
将Rorg对应的第m个对角方向子带的小波系数矩阵
Figure BSA000001377591000229
的标准差记为
Figure BSA000001377591000230
将Rorg对应的直流子带的小波系数矩阵
Figure BSA000001377591000231
的标准差记为
Figure BSA00000137759100031
分别计算Ldis实施M级小波变换后得到的M个水平方向子带、M个垂直方向子带、M个对角方向子带和1个直流子带的小波系数矩阵的标准差，其中，将Ldis对应的第m个水平方向子带的小波系数矩阵
Figure BSA00000137759100032
的标准差记为将Ldis对应的第m个垂直方向子带的小波系数矩阵
Figure BSA00000137759100034
的标准差记为
Figure BSA00000137759100035
将Ldis对应的第m个对角方向子带的小波系数矩阵
Figure BSA00000137759100036
的标准差记为
Figure BSA00000137759100037
将Ldis对应的直流子带的小波系数矩阵
Figure BSA00000137759100038
的标准差记为
Figure BSA00000137759100039
分别计算Rdis实施M级小波变换后得到的M个水平方向子带、M个垂直方向子带、M个对角方向子带和1个直流子带的小波系数矩阵的标准差，其中，将Rdis对应的第m个水平方向子带的小波系数矩阵
Figure BSA000001377591000310
的标准差记为
Figure BSA000001377591000311
将Rdis对应的第m个垂直方向子带的小波系数矩阵
Figure BSA000001377591000312
的标准差记为
Figure BSA000001377591000313
将Rdis对应的第m个对角方向子带的小波系数矩阵
Figure BSA000001377591000314
的标准差记为
Figure BSA000001377591000315
将Rdis对应的直流子带的小波系数矩阵
Figure BSA000001377591000316
的标准差记为
Figure BSA000001377591000317
④计算Lorg对应的3M+1个子带的小波系数矩阵与Ldis对应的3M+1个子带的小波系数矩阵的距离，记为QL，
Figure BSA000001377591000318
其中，
Figure BSA000001377591000319
Figure BSA000001377591000320
Figure BSA000001377591000321
Figure BSA000001377591000322
然后计算Rorg对应的3M+1个子带的小波系数矩阵与Rdis对应的3M+1个子带的小波系数矩阵的距离，记为QR，
Figure BSA000001377591000323
其中，
Figure BSA000001377591000324
Figure BSA000001377591000325
Figure BSA000001377591000326
Figure BSA000001377591000327
wH，m表示Lorg、Ldis、Rorg和Rdis对应的第m个水平方向子带的小波系数矩阵的权值，wV，m表示Lorg、Ldis、Rorg和Rdis对应的第m个垂直方向子带的小波系数矩阵的权值，wD，m表示Lorg、Ldis、Rorg和Rdis对应的第m个对角方向子带的小波系数矩阵的权值，
Figure BSA000001377591000328
Figure BSA00000137759100041
f表示Lorg、Ldis、Rorg和Rdis对应的第m个水平方向子带的小波系数矩阵、第m个垂直方向子带的小波系数矩阵及第m个对角方向子带的小波系数矩阵的频率，f1，m和f2，m分别表示频率f的下限和频率f的上限；
⑤根据QL和QR计算待评价的失真的立体图像Sdis相对于原始的无失真的立体图像Sorg的空间频率相似度度量，记为QF，QF＝0.5×(QL+QR)；
⑥计算原始的无失真的立体图像Sorg的左视点图像Lorg和右视点图像Rorg的绝对差值图像，记为
Figure BSA00000137759100042
Figure BSA00000137759100043
计算待评价的失真的立体图像Sdis的左视点图像Ldis和右视点图像Rdis的绝对差值图像，记为
Figure BSA00000137759100044
Figure BSA00000137759100045
⑦计算
Figure BSA00000137759100046
与
Figure BSA00000137759100047
中所有坐标位置相同且大小为8×8的两个块的结构相似度，对于
Figure BSA00000137759100048
中左下角像素点的坐标位置为(i，j)且大小为8×8的块，定义该块为当前块，计算当前块与
Figure BSA00000137759100049
中左下角像素点的坐标位置与当前块的左下角像素点的坐标位置相同且大小为8×8的块的结构相似度，记为SSIMi，j，
Figure BSA000001377591000410
其中，0≤i≤W-8，0≤j≤H-8，W和H分别表示和
Figure BSA000001377591000412
的宽度和高度，
Figure BSA000001377591000413
表示当前块的均值，
Figure BSA000001377591000414
表示
Figure BSA000001377591000415
中左下角像素点的坐标位置与当前块的左下角像素点的坐标位置相同的块的均值，表示当前块的方差，
Figure BSA000001377591000417
表示
Figure BSA000001377591000418
中左下角像素点的坐标位置与当前块的左下角像素点的坐标位置相同的块的方差，
Figure BSA000001377591000419
表示当前块与
Figure BSA000001377591000420
中左下角像素点的坐标位置与当前块的左下角像素点的坐标位置相同的块的协方差，C1和C2为常数，C1≠0，C2≠0；
⑧根据
Figure BSA000001377591000421
与
Figure BSA000001377591000422
中所有坐标位置相同且大小为8×8的两个块的结构相似度，计算待评价的失真的立体图像Sdis相对于原始的无失真的立体图像Sorg的立体感知评价度量，记为QS，
Figure BSA000001377591000423
⑨根据待评价的失真的立体图像Sdis相对于原始的无失真的立体图像Sorg的空间频率相似度度量QF和立体感知评价度量QS，计算待评价的失真的立体图像Sdis的图像质量评价分值，记为Q，Q＝func(F，G)，表示Q为F和G的函数，其中，F＝fun1(QF)，表示F为QF的函数，G＝fun2(QS)，表示G为QS的函数，func()、fun1()、fun2()均表示函数。
所述的步骤⑨中F＝fun1(QF)、G＝fun2(QS)和Q＝func(F，G)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，失真立体图像集包括多幅失真的立体图像，其中，n≥1；
b.利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，记为DMOS，DMOS＝100-MOS，其中，MOS表示主观评分均值，DMOS∈[0，100]；
c.根据步骤①至⑧的过程，计算失真立体图像集中的每幅失真的立体图像相对于对应的无失真的立体图像的空间频率相似度度量QF和立体感知评价度量QS；
d.采用数学拟合方法拟合失真立体图像集中失真的立体图像的平均主观评分差值DMOS和对应的空间频率相似度度量QF，得到F＝fun1(QF)；采用数学拟合方法拟合失真立体图像集中失真的立体图像的平均主观评分差值DMOS和对应的立体感知评价度量QS，得到G＝fun2(QS)；
e.采用线性回归方法拟合F＝fun1(QF)和G＝fun2(QS)，得到Q＝func(F，G)。
与现有技术相比，本发明的优点在于通过分别对无失真的立体图像和失真的立体图像的左视点图像和右视点图像进行小波变换，提取各子带的特征值，并对特征值作相似度度量，各子带的权重系数由对比度敏感函数决定；然后，通过评价无失真的立体图像和失真的立体图像的左右图像的绝对差值图像相似度实现对立体感知质量的评价；最后将左右图像的质量和立体感知质量两者相结合，得到对立体图像质量的最终评价结果，有效利用了视觉灵敏度带通、多通道效应以及立体感知等人眼视觉特性，在评价左视点图像和右视点图像质量的基础上，同时评价立体感知，将立体图像中立体感知对最终立体图像质量的影响融入评价模型中，提高了客观评价结果与主观感知的相关性。
附图说明
图1为本发明方法的总体实现框图；
图2为5级小波变换得到的各个子带的编号示意图；
图3为人类视觉灵敏度函数(CSF)曲线；
图4为当前块逐像素移动的示意图；
图5a为Art(1330×1110)立体图像；
图5b为Bowling1(1252×1110)立体图像；
图5c为Computer(1330×1110)立体图像；
图5d为Dolls(1390×1110)立体图像；
图5e为Drumsticks(1390×1110)立体图像；
图5f为Dwarves(1390×1110)立体图像；
图5g为Laundry(1342×1110)立体图像；
图5h为Mobius(1390×1110)立体图像；
图5i为Reindeer(1342×1110)立体图像；
图5j为Rocksl(1276×1110)立体图像；
图6为平均主观评分差值DMOS与QF进行非线性最小二乘拟合的结果；
图7为平均主观评分差值DMOS与QS进行非线性最小二乘拟合的结果。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
本发明提出的立体图像客观质量评价方法，其分别评价了左视点图像和右视点图像质量以及立体图像的立体感知效果，并将这两部分评价的结果进行结合，得到对立体图像质量的最终评价结果。图1给出了本发明方法的总体实现框图，其具体包括以下步骤：
①令Sorg为原始的无失真的立体图像，Sdis为待评价的失真的立体图像，将原始的无失真的立体图像Sorg的左视点图像记为Lorg，将原始的无失真的立体图像Sorg的右视点图像记为Rorg，将待评价的失真的立体图像Sdis的左视点图像记为Ldis，将待评价的失真的立体图像Sdis的右视点图像记为Rdis。
②对Lorg、Rorg、Ldis和Rdis 4幅图像分别实施M级小波变换，分别得到Lorg、Rorg、Ldis和Rdis4幅图像各自对应的3M+1个子带的小波系数矩阵，其中，3M+1个子带包括M个水平方向子带、M个垂直方向子带、M个对角方向子带和1个直流子带，将Lorg实施第m级小波变换后得到的第m个水平方向子带的小波系数矩阵记为
Figure BSA00000137759100061
将Lorg实施第m级小波变换后得到的第m个垂直方向子带的小波系数矩阵记为
Figure BSA00000137759100062
将Lorg实施第m级小波变换后得到的第m个对角方向子带的小波系数矩阵记为
Figure BSA00000137759100063
将Lorg实施M级小波变换后得到的直流子带的小波系数矩阵记为将Rorg实施第m级小波变换后得到的第m个水平方向子带的小波系数矩阵记为
Figure BSA00000137759100065
将Rorg实施第m级小波变换后得到的第m个垂直方向子带的小波系数矩阵记为
Figure BSA00000137759100066
将Rorg实施第m级小波变换后得到的第m个对角方向子带的小波系数矩阵记为将Rorg实施M级小波变换后得到的直流子带的小波系数矩阵记为将Ldis实施第m级小波变换后得到的第m个水平方向子带的小波系数矩阵记为
Figure BSA00000137759100069
将Ldis实施第m级小波变换后得到的第m个垂直方向子带的小波系数矩阵记为将Ldis实施第m级小波变换后得到的第m个对角方向子带的小波系数矩阵记为将Ldis实施M级小波变换后得到的直流子带的小波系数矩阵记为
Figure BSA00000137759100072
将Rdis实施第m级小波变换后得到的第m个水平方向子带的小波系数矩阵记为
Figure BSA00000137759100073
将Rdis实施第m级小波变换后得到的第m个垂直方向子带的小波系数矩阵记为
Figure BSA00000137759100074
将Rdis实施第m级小波变换后得到的第m个对角方向子带的小波系数矩阵记为
Figure BSA00000137759100075
将Rdis实施M级小波变换后得到的直流子带的小波系数矩阵记为1≤m≤M。
③分别计算Lorg实施M级小波变换后得到的M个水平方向子带、M个垂直方向子带、M个对角方向子带和1个直流子带的小波系数矩阵的标准差，其中，将Lorg对应的第m个水平方向子带的小波系数矩阵
Figure BSA00000137759100077
的标准差记为
Figure BSA00000137759100078
将Lorg对应的第m个垂直方向子带的小波系数矩阵
Figure BSA00000137759100079
的标准差记为将Lorg对应的第m个对角方向子带的小波系数矩阵
Figure BSA000001377591000711
的标准差记为将Lorg对应的直流子带的小波系数矩阵
Figure BSA000001377591000713
的标准差记为
Figure BSA000001377591000714
分别计算Rorg实施M级小波变换后得到的M个水平方向子带、M个垂直方向子带、M个对角方向子带和1个直流子带的小波系数矩阵的标准差，其中，将Rorg对应的第m个水平方向子带的小波系数矩阵
Figure BSA000001377591000715
的标准差记为
Figure BSA000001377591000716
将Rorg对应的第m个垂直方向子带的小波系数矩阵
Figure BSA000001377591000717
的标准差记为
Figure BSA000001377591000718
将Rorg对应的第m个对角方向子带的小波系数矩阵
Figure BSA000001377591000719
的标准差记为
Figure BSA000001377591000720
将Rorg对应的直流子带的小波系数矩阵
Figure BSA000001377591000721
的标准差记为
Figure BSA000001377591000722
分别计算Ldis实施M级小波变换后得到的M个水平方向子带、M个垂直方向子带、M个对角方向子带和1个直流子带的小波系数矩阵的标准差，其中，将Ldis对应的第m个水平方向子带的小波系数矩阵
Figure BSA000001377591000723
的标准差记为
Figure BSA000001377591000724
将Ldis对应的第m个垂直方向子带的小波系数矩阵
Figure BSA000001377591000725
的标准差记为
Figure BSA000001377591000726
将Ldis对应的第m个对角方向子带的小波系数矩阵
Figure BSA000001377591000727
的标准差记为
Figure BSA000001377591000728
将Ldis对应的直流子带的小波系数矩阵
Figure BSA000001377591000729
的标准差记为
分别计算Rdis实施M级小波变换后得到的M个水平方向子带、M个垂直方向子带、M个对角方向子带和1个直流子带的小波系数矩阵的标准差，其中，将Rdis对应的第m个水平方向子带的小波系数矩阵
Figure BSA000001377591000731
的标准差记为
Figure BSA000001377591000732
将Rdis对应的第m个垂直方向子带的小波系数矩阵
Figure BSA000001377591000733
的标准差记为将Rdis对应的第m个对角方向子带的小波系数矩阵的标准差记为
Figure BSA000001377591000736
将Rdis对应的直流子带的小波系数矩阵
Figure BSA000001377591000737
的标准差记为
Figure BSA00000137759100081
在此，标准差的计算方法采用现有技术。
④计算Lorg对应的3M+1个子带的小波系数矩阵与Ldis对应的3M+1个子带的小波系数矩阵的距离，记为QL，
Figure BSA00000137759100082
其中，
Figure BSA00000137759100084
Figure BSA00000137759100085
Figure BSA00000137759100086
然后计算Rorg对应的3M+1个子带的小波系数矩阵与Rdis对应的3M+1个子带的小波系数矩阵的距离，记为QR，其中，
Figure BSA00000137759100088
Figure BSA00000137759100089
Figure BSA000001377591000810
Figure BSA000001377591000811
wH，m表示Lorg、Ldis、Rorg和Rdis对应的第m个水平方向子带的小波系数矩阵的权值，wV，m表示Lorg、Ldis、Rorg和Rdis对应的第m个垂直方向子带的小波系数矩阵的权值，wD，m表示Lorg、Ldis、Rorg和Rdis对应的第m个对角方向子带的小波系数矩阵的权值，
Figure BSA000001377591000812
Figure BSA000001377591000813
f表示Lorg、Ldis、Rorg和Rdis对应的第m个水平方向子带的小波系数矩阵、第m个垂直方向子带的小波系数矩阵及第m个对角方向子带的小波系数矩阵的频率，f1，m和f2，m分别表示频率f的下限和频率f的上限。
图2给出了图像经5级小波变换(M＝5)后得到的各子带及其编号，这里同级水平方向子带和垂直方向子带的编号相同。下面以5级小波变换为例说明本发明方法中权值wH，m、wV，m和wD，m的取值方法。图3为人类视觉灵敏度函数(CSF)曲线，其中实线表示水平方向和垂直方向上的CSF曲线，记为
Figure BSA000001377591000814
虚线表示对角方向上的CSF曲线，记为
Figure BSA000001377591000815
由于CSF的非线性带通特性，需对小波变换后不同空间频带的小波系数进行加权，其权值为在相应频带内CSF曲线的平均值。对于5级小波变换，整个频带划分为11个，如图2所示，根据CSF曲线对应取11个加权值，其中1～10号的水平方向子带、垂直方向子带和对角方向子带的权值选择如表1所示。以编号为10的子带为例，其f1，m和f2，m分别为0.015625和0.03125，从而计算得到编号为10的子带的水平方向和垂直方向的权值
Figure BSA00000137759100091
类似地，wD，5＝0.7244；由于图像的绝大多数能量集中在低频部分，所以此处设置小波变换最低频子带的权值为1，即对于编号为11的子带，对应的权值为1。
表1各方向子带的权值
f   (0.015625，0.03125]   (0.03125，0.0625]   (0.0625，0.125]   (0.125，0.25]   (0.25，0.5]
子带编号   10   8   6   4   2
wH，m、wV，m   0.5844   0.8581   0.9455   0.5691   0.1077
子带编号   9   7   5   3   1
wD，m   0.7244   0.9482   0.8136   0.2995   0.0233
⑤根据QL和QR计算待评价的失真的立体图像Sdis相对于原始的无失真的立体图像Sorg的空间频率相似度度量，记为QF，QF＝0.5×(QL+QR)。
⑥计算原始的无失真的立体图像Sorg的左视点图像Lorg和右视点图像Rorg的绝对差值图像，记为
Figure BSA00000137759100092
Figure BSA00000137759100093
计算待评价的失真的立体图像Sdis的左视点图像Ldis和右视点图像Rdis的绝对差值图像，记为
Figure BSA00000137759100094
Figure BSA00000137759100095
⑦计算
Figure BSA00000137759100096
与
Figure BSA00000137759100097
中所有坐标位置相同且大小为8×8的两个块的结构相似度，对于中左下角像素点的坐标位置为(i，j)且大小为8×8的块，定义该块为当前块，计算当前块与中左下角像素点的坐标位置与当前块的左下角像素点的坐标位置相同且大小为8×8的块的结构相似度，记为SSIMi，j，其中，0≤i≤W-8，0≤j≤H-8，W和H分别表示
Figure BSA000001377591000911
和
Figure BSA000001377591000912
的宽度和高度，
Figure BSA000001377591000913
表示当前块的均值，
Figure BSA000001377591000914
表示
Figure BSA000001377591000915
中左下角像素点的坐标位置与当前块的左下角像素点的坐标位置相同的块的均值，
Figure BSA000001377591000916
表示当前块的方差，
Figure BSA000001377591000917
表示中左下角像素点的坐标位置与当前块的左下角像素点的坐标位置相同的块的方差，表示当前块与
Figure BSA000001377591000920
中左下角像素点的坐标位置与当前块的左下角像素点的坐标位置相同的块的协方差，C1和C2均是为了防止当
Figure BSA000001377591000921
分母接近零时产生不稳定现象所添加的常数，C1≠0，C2≠0，在C1和C2取值上，两者的值均需远小于2552，在本实施例中，C1＝C2＝25。在此，以8×8块为单位计算
Figure BSA00000137759100101
与中所有坐标位置相同的两个块的结构相似度的过程中，
Figure BSA00000137759100103
中当前块的移动是逐像素进行移动的，以计算下一个8×8块与
Figure BSA00000137759100104
中相对应的8×8块的结构相似度。图4为当前块逐像素平移的示意图，图4中左下角像素点坐标位置为(i，j)的当前块与
Figure BSA00000137759100105
中相对应的块的结构相似度SSIMi，j计算得到后，当前块向右平移1个像素再计算新的当前块与
Figure BSA00000137759100106
中相对应的块的结构相似度，若当前块已平移到最右端，即其左下角像素点的坐标位置为(W-8，j)时，则平移后新的8×8当前块左下角像素点的坐标位置为(0，j+1)。
⑧根据
Figure BSA00000137759100107
与
Figure BSA00000137759100108
中所有坐标位置相同且大小为8×8的两个块的结构相似度，计算待评价的失真的立体图像Sdis相对于原始的无失真的立体图像Sorg的立体感知评价度量，记为QS，
Figure BSA00000137759100109
⑨根据待评价的失真的立体图像Sdis相对于原始的无失真的立体图像Sorg的空间频率相似度度量QF和立体感知评价度量QS，计算待评价的失真的立体图像Sdis的图像质量评价分值，记为Q，Q＝func(F，G)，表示Q为F和G的函数，其中，F＝fun1(QF)，表示F为QF的函数，G＝fun2(QS)，表示G为QS的函数，func()、fun1()、fun2()均表示函数。
在此，F＝fun1(QF)、G＝fun2(QS)和Q＝func(F，G)的获取过程如下：
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，失真立体图像集包括多幅失真的立体图像，其中，n≥1；
b.利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，记为DMOS，DMOS＝100-MOS，其中，MOS表示主观评分均值，DMOS∈[0，100]；
c.根据步骤①至⑧的过程，计算失真立体图像集中的每幅失真的立体图像相对于对应的无失真的立体图像的空间频率相似度度量QF和立体感知评价度量QS；
d.采用数学拟合方法拟合失真立体图像集中失真的立体图像的平均主观评分差值DMOS和对应的空间频率相似度度量QF，得到F＝fun1(QF)；采用数学拟合方法拟合失真立体图像集中失真的立体图像的平均主观评分差值DMOS和对应的立体感知评价度量QS，得到G＝fun2(QS)；
e.采用线性回归方法拟合F＝fun1(QF)和G＝fun2(QS)，得到Q＝func(F，G)。
在本实施例中，利用如图5a、图5b和图5c所示的3幅(即n＝3)无失真的立体图像建立了其在不同失真类型不同失真程度下的失真立体图像集，失真类型包括JPEG压缩、JPEG 2000压缩、白噪声失真，该失真立体图像集共包括81幅失真的立体图像，其中JPEG压缩的失真的立体图像共21幅，JPEG2000压缩的失真的立体图像共30幅，白噪声失真的立体图像共30幅。对上述81幅失真的立体图像采用公知的主观质量评价方法进行主观质量评价，得到这81幅失真的立体图像各自的平均主观评分差值(DMOS，Difference MeanOpinion Scores)，即每幅失真的立体图像的主观质量评分值。DMOS为主观评分均值(MOS)和满分(100)的差值，即DMOS＝100-MOS，因此，DMOS值越大表示失真的立体图像的质量越差，DMOS值越小表示失真的立体图像的质量越好，且DMOS的取值范围为[0，100]；另一方面，对上述81幅失真的立体图像按本发明方法步骤①～⑧计算得到每幅失真的立体图像相应的QF和QS；然后采用公知的非线性最小二乘拟合方法拟合这81幅失真的立体图像的DMOS与QF，得到函数F＝fun1(QF)＝273.4417QF 3-397.5987QF 2+203.6791QF+2.1306，拟合结果如图6所示，图6中横坐标为QF归一化到[0，1]的值，纵坐标则表示主观质量评分值DMOS；类似地，采用公知的非线性最小二乘拟合方法拟合这81幅失真的立体图像的DMOS与QS，得到函数G＝fun2(QS)＝-108.3819QS 3+125.8694QS 2-58.0408QS+42.9087，拟合结果如图7所示，图7中横坐标为QS归一化到[0，1]的值，纵坐标则表示主观质量评分值DMOS；最后采用公知的线性回归方法将函数F＝fun1(QF)和G＝fun2(QS)进行拟合，得到函数Q＝func(F，G)＝0.6953F(QF)+0.3473G(QS)-0.7018。
采用如图5d～5j所示的7幅无失真的立体图像在不同程度的JPEG压缩、JPEG 2000压缩、白噪声失真、高斯模糊失真情况下的289幅失真的立体图像来分析本实施例得到的失真的立体图像的图像质量评价函数Q＝0.6953F(QF)+0.3473G(QS)-0.7018的最终评价结果与主观评分DMOS之间的相关性。这里，利用评估图像质量评价方法的2个常用客观参量作为评价指标，即非线性回归条件下的Pearson相关系数(CorrelationCoefficient，CC)和Spearman相关系数(Rank-Order Correlation Coefficient，ROCC)，前者反映失真的立体图像评价函数这一客观模型的准确性，后者反映其单调性。将按本实施例计算得到的失真的立体图像的图像质量评价函数Q＝0.6953F(QF)+0.3473G(QS)-0.7018计算得到的最终评价结果的输出值Q做四参数Logistic函数非线性拟合，CC和ROCC值越高说明客观评价方法与DMOS相关性越好。反映准确性和单调性的CC和ROCC系数如表2所示，由表2数据可见，按本实施例得到的失真立体图像的图像质量评价函数Q＝0.6953F(QF)+0.3473G(QS)-0.7018计算得到的最终评价结果的输出值Q与主观评分DMOS之间的相关性是很高的，表明客观评价结果与人眼主观感知的结果较为一致，说明了本发明方法的有效性。
表2本实施例得到的失真的立体图像的图像质量评价分值与主观评分之间的相关性
  失真类型   高斯模糊   JPEG压缩   JPEG2000压缩   白噪声
  立体图像数量   100   49   70   70
  Pearson相关系数   0.9488   0.9697   0.9466   0.9788
  Spearman相关系数   0.9049   0.9326   0.7637   0.9551

Claims (2)

1.一种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Sorg为原始的无失真的立体图像，Sdis为待评价的失真的立体图像，将原始的无失真的立体图像Sorg的左视点图像记为Lorg，将原始的无失真的立体图像Sorg的右视点图像记为Rorg，将待评价的失真的立体图像Sdis的左视点图像记为Ldis，将待评价的失真的立体图像Sdis的右视点图像记为Rdis；
②对Lorg、Rorg、Ldis和Rdis 4幅图像分别实施M级小波变换，分别得到Lorg、Rorg、Ldis和Rdis4幅图像各自对应的3M+1个子带的小波系数矩阵，其中，3M+1个子带包括M个水平方向子带、M个垂直方向子带、M个对角方向子带和1个直流子带，将Lorg实施第m级小波变换后得到的第m个水平方向子带的小波系数矩阵记为将Lorg实施第m级小波变换后得到的第m个垂直方向子带的小波系数矩阵记为
Figure FSA00000137759000012
将Lorg实施第m级小波变换后得到的第m个对角方向子带的小波系数矩阵记为
Figure FSA00000137759000013
将Lorg实施M级小波变换后得到的直流子带的小波系数矩阵记为将Rorg实施第m级小波变换后得到的第m个水平方向子带的小波系数矩阵记为将Rorg实施第m级小波变换后得到的第m个垂直方向子带的小波系数矩阵记为
Figure FSA00000137759000016
将Rorg实施第m级小波变换后得到的第m个对角方向子带的小波系数矩阵记为
Figure FSA00000137759000017
将Rorg实施M级小波变换后得到的直流子带的小波系数矩阵记为
Figure FSA00000137759000018
将Ldis实施第m级小波变换后得到的第m个水平方向子带的小波系数矩阵记为将Ldis实施第m级小波变换后得到的第m个垂直方向子带的小波系数矩阵记为
Figure FSA000001377590000110
将Ldis实施第m级小波变换后得到的第m个对角方向子带的小波系数矩阵记为
Figure FSA000001377590000111
将Ldis实施M级小波变换后得到的直流子带的小波系数矩阵记为
Figure FSA000001377590000112
将Rdis实施第m级小波变换后得到的第m个水平方向子带的小波系数矩阵记为将Rdis实施第m级小波变换后得到的第m个垂直方向子带的小波系数矩阵记为
Figure FSA000001377590000114
将Rdis实施第m级小波变换后得到的第m个对角方向子带的小波系数矩阵记为将Rdis实施M级小波变换后得到的直流子带的小波系数矩阵记为
Figure FSA000001377590000116
1≤m≤M；
③分别计算Lorg实施M级小波变换后得到的M个水平方向子带、M个垂直方向子带、M个对角方向子带和1个直流子带的小波系数矩阵的标准差，其中，将Lorg对应的第m个水平方向子带的小波系数矩阵
Figure FSA00000137759000021
的标准差记为
Figure FSA00000137759000022
将Lorg对应的第m个垂直方向子带的小波系数矩阵
Figure FSA00000137759000023
的标准差记为
Figure FSA00000137759000024
将Lorg对应的第m个对角方向子带的小波系数矩阵
Figure FSA00000137759000025
的标准差记为
Figure FSA00000137759000026
将Lorg对应的直流子带的小波系数矩阵
Figure FSA00000137759000027
的标准差记为
Figure FSA00000137759000028
分别计算Rorg实施M级小波变换后得到的M个水平方向子带、M个垂直方向子带、M个对角方向子带和1个直流子带的小波系数矩阵的标准差，其中，将Rorg对应的第m个水平方向子带的小波系数矩阵
Figure FSA00000137759000029
的标准差记为
Figure FSA000001377590000210
将Rorg对应的第m个垂直方向子带的小波系数矩阵
Figure FSA000001377590000211
的标准差记为将Rorg对应的第m个对角方向子带的小波系数矩阵
Figure FSA000001377590000213
的标准差记为将Rorg对应的直流子带的小波系数矩阵
Figure FSA000001377590000215
的标准差记为
Figure FSA000001377590000216
分别计算Ldis实施M级小波变换后得到的M个水平方向子带、M个垂直方向子带、M个对角方向子带和1个直流子带的小波系数矩阵的标准差，其中，将Ldis对应的第m个水平方向子带的小波系数矩阵的标准差记为
Figure FSA000001377590000218
将Ldis对应的第m个垂直方向子带的小波系数矩阵
Figure FSA000001377590000219
的标准差记为
Figure FSA000001377590000220
将Ldis对应的第m个对角方向子带的小波系数矩阵的标准差记为
Figure FSA000001377590000222
将Ldis对应的直流子带的小波系数矩阵
Figure FSA000001377590000223
的标准差记为
Figure FSA000001377590000224
分别计算Rdis实施M级小波变换后得到的M个水平方向子带、M个垂直方向子带、M个对角方向子带和1个直流子带的小波系数矩阵的标准差，其中，将Rdis对应的第m个水平方向子带的小波系数矩阵
Figure FSA000001377590000225
的标准差记为
Figure FSA000001377590000226
将Rdis对应的第m个垂直方向子带的小波系数矩阵
Figure FSA000001377590000227
的标准差记为
Figure FSA000001377590000228
将Rdis对应的第m个对角方向子带的小波系数矩阵的标准差记为
Figure FSA000001377590000230
将Rdis对应的直流子带的小波系数矩阵
Figure FSA000001377590000231
的标准差记为
Figure FSA000001377590000232
④计算Lorg对应的3M+1个子带的小波系数矩阵与Ldis对应的3M+1个子带的小波系数矩阵的距离，记为QL，
Figure FSA000001377590000233
其中，
Figure FSA000001377590000234
Figure FSA000001377590000235
Figure FSA00000137759000031
然后计算Rorg对应的3M+1个子带的小波系数矩阵与Rdis对应的3M+1个子带的小波系数矩阵的距离，记为QR，其中，
Figure FSA00000137759000033
Figure FSA00000137759000034
Figure FSA00000137759000035
Figure FSA00000137759000036
wH，m表示Lorg、Ldis、Rorg和Rdis对应的第m个水平方向子带的小波系数矩阵的权值，wV，m表示Lorg、Ldis、Rorg和Rdis对应的第m个垂直方向子带的小波系数矩阵的权值，wD，m表示Lorg、Ldis、Rorg和Rdis对应的第m个对角方向子带的小波系数矩阵的权值，
Figure FSA00000137759000038
f表示Lorg、Ldis、Rorg和Rdis对应的第m个水平方向子带的小波系数矩阵、第m个垂直方向子带的小波系数矩阵及第m个对角方向子带的小波系数矩阵的频率，f1，m和f2，m分别表示频率f的下限和频率f的上限；
⑤根据QL和QR计算待评价的失真的立体图像Sdis相对于原始的无失真的立体图像Sorg的空间频率相似度度量，记为QF，QF＝0.5×(QL+QR)；
⑥计算原始的无失真的立体图像Sorg的左视点图像Lorg和右视点图像Rorg的绝对差值图像，记为
Figure FSA00000137759000039
Figure FSA000001377590000310
计算待评价的失真的立体图像Sdis的左视点图像Ldis和右视点图像Rdis的绝对差值图像，记为
Figure FSA000001377590000311
Figure FSA000001377590000312
⑦计算与
Figure FSA000001377590000314
中所有坐标位置相同且大小为8×8的两个块的结构相似度，对于中左下角像素点的坐标位置为(i，j)且大小为8×8的块，定义该块为当前块，计算当前块与
Figure FSA000001377590000316
中左下角像素点的坐标位置与当前块的左下角像素点的坐标位置相同且大小为8×8的块的结构相似度，记为SSIMi，j，其中，0≤i≤W-8，0≤j≤H-8，W和H分别表示
Figure FSA000001377590000318
和
Figure FSA000001377590000319
的宽度和高度，
Figure FSA000001377590000320
表示当前块的均值，
Figure FSA000001377590000321
表示
Figure FSA000001377590000322
中左下角像素点的坐标位置与当前块的左下角像素点的坐标位置相同的块的均值，表示当前块的方差，
Figure FSA000001377590000324
表示
Figure FSA000001377590000325
中左下角像素点的坐标位置与当前块的左下角像素点的坐标位置相同的块的方差，
Figure FSA00000137759000041
表示当前块与
Figure FSA00000137759000042
中左下角像素点的坐标位置与当前块的左下角像素点的坐标位置相同的块的协方差，C1和C2为常数，C1≠0，C2≠0；
⑧根据
Figure FSA00000137759000043
与中所有坐标位置相同且大小为8×8的两个块的结构相似度，计算待评价的失真的立体图像Sdis相对于原始的无失真的立体图像Sorg的立体感知评价度量，记为QS，
Figure FSA00000137759000045
⑨根据待评价的失真的立体图像Sdis相对于原始的无失真的立体图像Sorg的空间频率相似度度量QF和立体感知评价度量QS，计算待评价的失真的立体图像Sdis的图像质量评价分值，记为Q，Q＝func(F，G)，表示Q为F和G的函数，其中，F＝fun1(QF)，表示F为QF的函数，G＝fun2(QS)，表示G为QS的函数，func()、fun1()、fun2()均表示函数。
2.根据权利要求1所述的一种立体图像客观质量评价方法，其特征在于所述的步骤⑨中F＝fun1(QF)、G＝fun2(QS)和Q＝func(F，G)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，失真立体图像集包括多幅失真的立体图像，其中，n≥1；
b.利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，记为DMOS，DMOS＝100-MOS，其中，MOS表示主观评分均值，DMOS∈[0，100]；
c.根据步骤①至⑧的过程，计算失真立体图像集中的每幅失真的立体图像相对于对应的无失真的立体图像的空间频率相似度度量QF和立体感知评价度量QS；
d.采用数学拟合方法拟合失真立体图像集中失真的立体图像的平均主观评分差值DMOS和对应的空间频率相似度度量QF，得到F＝fun1(QF)；采用数学拟合方法拟合失真立体图像集中失真的立体图像的平均主观评分差值DMOS和对应的立体感知评价度量QS，得到G＝fun2(QS)；
e.采用线性回归方法拟合F＝fun1(QF)和G＝fun2(QS)，得到Q＝func(F，G)。
CN2010101972252A 2010-06-09 2010-06-09 一种立体图像客观质量评价方法 Expired - Fee Related CN101872479B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2010101972252A CN101872479B (zh) 2010-06-09 2010-06-09 一种立体图像客观质量评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2010101972252A CN101872479B (zh) 2010-06-09 2010-06-09 一种立体图像客观质量评价方法

Publications (2)

Publication Number Publication Date
CN101872479A true CN101872479A (zh) 2010-10-27
CN101872479B CN101872479B (zh) 2012-05-09

Family

ID=42997323

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2010101972252A Expired - Fee Related CN101872479B (zh) 2010-06-09 2010-06-09 一种立体图像客观质量评价方法

Country Status (1)

Country Link
CN (1) CN101872479B (zh)

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102421007A (zh) * 2011-11-28 2012-04-18 浙江大学 基于多尺度结构相似度加权综合的图像质量评价方法
CN102521825A (zh) * 2011-11-16 2012-06-27 宁波大学 一种基于零水印的立体图像质量客观评价方法
CN102547368A (zh) * 2011-12-16 2012-07-04 宁波大学 一种立体图像质量客观评价方法
CN102567990A (zh) * 2011-12-08 2012-07-11 宁波大学 一种立体图像客观质量评价方法
CN102567996A (zh) * 2012-01-05 2012-07-11 中国地质大学（武汉） 一种遥感卫星图像质量评价的方法
CN102663747A (zh) * 2012-03-23 2012-09-12 宁波大学 一种基于视觉感知的立体图像客观质量评价方法
CN102663741A (zh) * 2012-03-22 2012-09-12 北京佳泰信业技术有限公司 对彩色数字图像进行视觉立体感知增强的方法及系统
CN102708567A (zh) * 2012-05-11 2012-10-03 宁波大学 一种基于视觉感知的立体图像质量客观评价方法
CN102708568A (zh) * 2012-05-11 2012-10-03 宁波大学 一种基于结构失真的立体图像客观质量评价方法
CN102760293A (zh) * 2012-06-14 2012-10-31 南京信息工程大学 基于距离矩阵的图像质量评价方法
CN103136748A (zh) * 2013-01-21 2013-06-05 宁波大学 一种基于特征图的立体图像质量客观评价方法
CN103152600A (zh) * 2013-03-08 2013-06-12 天津大学 一种立体视频质量评价方法
CN103338380A (zh) * 2013-06-06 2013-10-02 宁波大学 一种自适应图像质量客观评价方法
CN103369348A (zh) * 2013-06-27 2013-10-23 宁波大学 一种基于区域重要性分类的立体图像质量客观评价方法
CN103517065A (zh) * 2013-09-09 2014-01-15 宁波大学 一种质降参考立体图像质量客观评价方法
CN103839263A (zh) * 2014-02-26 2014-06-04 宁波大学 一种立体图像深度感知客观评价方法
CN103873855A (zh) * 2014-02-26 2014-06-18 天津大学 一种基于人类视觉基本特性的立体图像客观质量评价方法
CN103959772A (zh) * 2011-12-05 2014-07-30 日本电信电话株式会社 影像质量评价装置、方法以及程序
CN106886992A (zh) * 2017-01-24 2017-06-23 北京理工大学 一种基于饱和度的彩色多曝光融合图像的质量评价方法
CN109272479A (zh) * 2017-07-12 2019-01-25 天津大学 基于立体感知特性的立体图像质量评价方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101610425A (zh) * 2009-07-29 2009-12-23 清华大学 一种评测立体图像质量的方法和装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101610425A (zh) * 2009-07-29 2009-12-23 清华大学 一种评测立体图像质量的方法和装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
《15th EUROPEAN SIGNAL PROCESSING CONFERENCE(EUSIPCO 2007)》 20070907 Patrizio Campist，et al STEREOSCOPIC IMAGES QUALITY ASSESSMENT 2110-2114 , 2 *
《光子学报》 20080831 黄大江等 基于相似度的立体图像对中右视点图像质量评价方法 1693-1697 第37卷, 第8期 2 *
《天津大学学报》 20090731 杨嘉琛等 基于人眼视觉特征的立体图像质量客观评价方法 622-627 第42卷, 第7期 2 *

Cited By (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102521825A (zh) * 2011-11-16 2012-06-27 宁波大学 一种基于零水印的立体图像质量客观评价方法
CN102521825B (zh) * 2011-11-16 2014-01-29 宁波大学 一种基于零水印的立体图像质量客观评价方法
CN102421007A (zh) * 2011-11-28 2012-04-18 浙江大学 基于多尺度结构相似度加权综合的图像质量评价方法
US9924149B2 (en) * 2011-12-05 2018-03-20 Nippon Telegraph And Telephone Corporation Video quality evaluation apparatus, method and program
US20140320598A1 (en) * 2011-12-05 2014-10-30 Nippon Telegraph And Telephone Corporation Video quality evaluation apparatus, method and program
CN103959772A (zh) * 2011-12-05 2014-07-30 日本电信电话株式会社 影像质量评价装置、方法以及程序
CN103959772B (zh) * 2011-12-05 2016-10-12 日本电信电话株式会社 影像质量评价装置、方法以及程序
CN102567990A (zh) * 2011-12-08 2012-07-11 宁波大学 一种立体图像客观质量评价方法
CN102567990B (zh) * 2011-12-08 2014-07-16 宁波大学 一种立体图像客观质量评价方法
CN102547368A (zh) * 2011-12-16 2012-07-04 宁波大学 一种立体图像质量客观评价方法
CN102547368B (zh) * 2011-12-16 2014-05-07 宁波大学 一种立体图像质量客观评价方法
CN102567996A (zh) * 2012-01-05 2012-07-11 中国地质大学（武汉） 一种遥感卫星图像质量评价的方法
CN102663741A (zh) * 2012-03-22 2012-09-12 北京佳泰信业技术有限公司 对彩色数字图像进行视觉立体感知增强的方法及系统
CN102663741B (zh) * 2012-03-22 2014-09-24 侯克杰 对彩色数字图像进行视觉立体感知增强的方法及系统
CN102663747A (zh) * 2012-03-23 2012-09-12 宁波大学 一种基于视觉感知的立体图像客观质量评价方法
CN102663747B (zh) * 2012-03-23 2014-08-27 宁波大学 一种基于视觉感知的立体图像客观质量评价方法
CN102708567B (zh) * 2012-05-11 2014-12-10 宁波大学 一种基于视觉感知的立体图像质量客观评价方法
CN102708568B (zh) * 2012-05-11 2014-11-05 宁波大学 一种基于结构失真的立体图像客观质量评价方法
CN102708568A (zh) * 2012-05-11 2012-10-03 宁波大学 一种基于结构失真的立体图像客观质量评价方法
CN102708567A (zh) * 2012-05-11 2012-10-03 宁波大学 一种基于视觉感知的立体图像质量客观评价方法
CN102760293A (zh) * 2012-06-14 2012-10-31 南京信息工程大学 基于距离矩阵的图像质量评价方法
CN102760293B (zh) * 2012-06-14 2014-09-10 南京信息工程大学 基于距离矩阵的图像质量评价方法
CN103136748B (zh) * 2013-01-21 2015-10-28 宁波大学 一种基于特征图的立体图像质量客观评价方法
CN103136748A (zh) * 2013-01-21 2013-06-05 宁波大学 一种基于特征图的立体图像质量客观评价方法
CN103152600A (zh) * 2013-03-08 2013-06-12 天津大学 一种立体视频质量评价方法
CN103338380A (zh) * 2013-06-06 2013-10-02 宁波大学 一种自适应图像质量客观评价方法
CN103369348B (zh) * 2013-06-27 2015-03-25 宁波大学 一种基于区域重要性分类的立体图像质量客观评价方法
CN103369348A (zh) * 2013-06-27 2013-10-23 宁波大学 一种基于区域重要性分类的立体图像质量客观评价方法
CN103517065A (zh) * 2013-09-09 2014-01-15 宁波大学 一种质降参考立体图像质量客观评价方法
CN103873855A (zh) * 2014-02-26 2014-06-18 天津大学 一种基于人类视觉基本特性的立体图像客观质量评价方法
CN103839263A (zh) * 2014-02-26 2014-06-04 宁波大学 一种立体图像深度感知客观评价方法
CN103839263B (zh) * 2014-02-26 2016-07-06 宁波大学 一种立体图像深度感知客观评价方法
CN103873855B (zh) * 2014-02-26 2016-08-17 天津大学 一种基于人类视觉基本特性的立体图像客观质量评价方法
CN106886992A (zh) * 2017-01-24 2017-06-23 北京理工大学 一种基于饱和度的彩色多曝光融合图像的质量评价方法
CN109272479A (zh) * 2017-07-12 2019-01-25 天津大学 基于立体感知特性的立体图像质量评价方法
CN109272479B (zh) * 2017-07-12 2021-11-02 天津大学 基于立体感知特性的立体图像质量评价方法

Also Published As

Publication number Publication date
CN101872479B (zh) 2012-05-09

Similar Documents

Publication Publication Date Title
CN101872479B (zh) 一种立体图像客观质量评价方法
CN103517065B (zh) 一种质降参考立体图像质量客观评价方法
CN108765414B (zh) 基于小波分解和自然场景统计的无参考立体图像质量评价方法
CN101378519B (zh) 一种基于Contourlet变换的质降参考图像质量评价方法
CN104079925B (zh) 基于视觉感知特性的超高清视频图像质量客观评价方法
CN102663747B (zh) 一种基于视觉感知的立体图像客观质量评价方法
CN102521825B (zh) 一种基于零水印的立体图像质量客观评价方法
CN102682429A (zh) 一种尺寸自适应块匹配变换域滤波图像去噪方法
Yue et al. Blind stereoscopic 3D image quality assessment via analysis of naturalness, structure, and binocular asymmetry
CN112634238B (zh) 一种基于注意力模块的图像质量评价方法
Cheng et al. Perceptual image quality assessment using a geometric structural distortion model
CN103780895B (zh) 一种立体视频质量评价方法
Ma et al. Reduced-reference stereoscopic image quality assessment using natural scene statistics and structural degradation
CN101562675A (zh) 基于Contourlet变换的无参考型图像质量评测方法
CN104376565A (zh) 基于离散余弦变换和稀疏表示的无参考图像质量评价方法
CN112950596A (zh) 基于多区域多层次的色调映射全向图像质量评价方法
CN102708568B (zh) 一种基于结构失真的立体图像客观质量评价方法
CN104144339B (zh) 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
CN103354617A (zh) 一种基于dct域的边缘强度压缩的图像质量客观评价方法
CN103841411B (zh) 一种基于双目信息处理的立体图像质量评价方法
CN103108209B (zh) 基于视觉阈值与通道融合的立体图像客观质量评价方法
CN102737380B (zh) 一种基于梯度结构张量的立体图像质量客观评价方法
CN107492085B (zh) 基于双树复小波变换的立体图像质量评价方法
CN104243974B (zh) 一种基于三维离散余弦变换的立体视频质量客观评价方法
CN104881878B (zh) 一种基于多尺度梯度差分熵的图像质量评价方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20120509

Termination date: 20180609

CF01 Termination of patent right due to non-payment of annual fee