CN104243976A - 一种立体图像客观质量评价方法 - Google Patents

Abstract

本发明公开了一种立体图像客观质量评价方法，其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Riesz变换，然后利用得到的各自的幅值图像和相位图像以及视差信息，获取无失真的立体图像和失真的立体图像各自的左右视点特征融合图像，再根据两幅左右视点特征融合图像获取失真的立体图像的图像质量客观预测值，由于充分利用了左右视点特征融合的特性，因此有效地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技术，尤其是涉及一种立体图像客观质量评价方法。

背景技术

进入本世纪以来，随着立体图像/视频系统处理技术的日趋成熟，以及计算机网络与通信技术的快速发展，引发了人们对立体图像/视频系统的强烈要求。相比传统的单视点图像/视频系统，立体图像/视频系统由于能够提供立体临场感、视点交互性等全新视觉体验而越来越受到人们的欢迎，被认为是下一代图像/视频系统的主要发展方向。然而，人们为了获得更好的临场感和视觉效果对立体图像感知质量提出了更高的要求。立体图像质量是衡量立体图像/视频系统性能优劣的一个重要指标。在立体图像系统中，采集、编码、传输、解码及显示等处理环节都会引入一定失真，这些失真将对立体图像感知质量产生不同程度的影响，因此，如何有效评价立体图像质量是比较各种立体图像/视频处理算法性能优劣以及优化系统参数的关键技术之一。综上，评价立体图像质量，并研究与主观质量评价相一致的客观评价方法显得尤为重要。

目前，立体图像客观质量评价的方法大致可以分为三类：第一类主要是基于2D的评价方法；第二类是在基于2D的评价方法的基础上，再结合其他一些信息，如深度或视差信息等；第三类是依靠3D方面的信息来评价。其中，基于2D的评价方法中常用的方法是直接采用经典的平面图像质量评价方法来评价立体图像质量的方法，由于立体图像和平面图像最大的区别就是立体图像具有深度感、临场感，然而该方法未考虑到左视点图像和右视点图像的特性，或只是评价了左视点图像的质量和右视点图像的质量，而没有结合双目融合视觉特性，因此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，其特征在于它的处理过程为：

首先，对原始的无失真的立体图像的左视点图像和右视点图像、待评价的失真的立体图像的左视点图像和右视点图像分别实施二阶Riesz变换，得到各自的幅值图像和相位图像；

其次，计算原始的无失真的立体图像的左视点图像与右视点图像之间的视差图像，并计算待评价的失真的立体图像的左视点图像与右视点图像之间的视差图像；

再次，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各自的幅值图像和相位图像，及左视点图像与右视点图像之间的视差图像，计算原始的无失真的立体图像的左右视点特征融合图像；同样，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幅值图像和相位图像，及左视点图像与右视点图像之间的视差图像，计算待评价的失真的立体图像的左右视点特征融合图像；

最后，根据原始的无失真的立体图像的左右视点特征融合图像和待评价的失真的立体图像的左右视点特征融合图像，计算得到待评价的失真的立体图像的图像质量客观预测值。

该方法具体包括以下步骤：

①令S_org表示原始的无失真的立体图像，令S_dis表示待评价的失真的立体图像，将S_org的左视点图像记为{L_org(x,y)}，将S_org的右视点图像记为{R_org(x,y)}，将S_dis的左视点图像记为{L_dis(x,y)}，将S_dis的右视点图像记为{R_dis(x,y)}，其中，1≤x≤W,1≤y≤H，W表示S_org和S_dis的宽度，H表示S_org和S_dis的高度，L_org(x,y)表示{L_org(x,y)}中坐标位置为(x,y)的像素点的像素值，R_org(x,y)表示{R_org(x,y)}中坐标位置为(x,y)的像素点的像素值，L_dis(x,y)表示{L_dis(x,y)}中坐标位置为(x,y)的像素点的像素值，R_dis(x,y)表示{R_dis(x,y)}中坐标位置为(x,y)的像素点的像素值；

②对{L_org(x,y)}、{R_org(x,y)}、{L_dis(x,y)}和{R_dis(x,y)}四幅图像分别实施二阶Riesz变换，得到{L_org(x,y)}、{R_org(x,y)}、{L_dis(x,y)}和{R_dis(x,y)}各自的幅值图像和相位图像，将{L_org(x,y)}的幅值图像和相位图像对应记为{G_{L_org}(x,y)}和{P_{L_org}(x,y)}，将{R_org(x,y)}的幅值图像和相位图像对应记为{G_{R_org}(x,y)}和{P_{R_org}(x,y)}，将{L_dis(x,y)}的幅值图像和相位图像对应记为{G_{L_dis}(x,y)}和{P_{L_dis}(x,y)}，将{R_dis(x,y)}的幅值图像和相位图像对应记为{G_{R_dis}(x,y)}和{P_{R_dis}(x,y)}，其中，G_{L_org}(x,y)表示{G_{L_org}(x,y)}中坐标位置为(x,y)的像素点的像素值，P_{L_org}(x,y)表示{P_{L_org}(x,y)}中坐标位置为(x,y)的像素点的像素值，G_{R_org}(x,y)表示{G_{R_org}(x,y)}中坐标位置为(x,y)的像素点的像素值，P_{R_org}(x,y)表示{P_{R_org}(x,y)}中坐标位置为(x,y)的像素点的像素值，G_{L_dis}(x,y)表示{G_{L_dis}(x,y)}中坐标位置为(x,y)的像素点的像素值，P_{L_dis}(x,y)表示{P_{L_dis}(x,y)}中坐标位置为(x,y)的像素点的像素值，G_{R_dis}(x,y)表示{G_{R_dis}(x,y)}中坐标位置为(x,y)的像素点的像素值，P_{R_dis}(x,y)表示{P_{R_dis}(x,y)}中坐标位置为(x,y)的像素点的像素值；

③采用块匹配方法计算{L_org(x,y)}与{R_org(x,y)}之间的视差图像，记为{d_org(x,y)}，其中，d_org(x,y)表示{d_org(x,y)}中坐标位置为(x,y)的像素点的像素值；

同样，采用块匹配方法计算{L_dis(x,y)}与{R_dis(x,y)}之间的视差图像，记为{d_dis(x,y)}，其中，d_dis(x,y)表示{d_dis(x,y)}中坐标位置为(x,y)的像素点的像素值；

④根据{G_{L_org}(x,y)}和{P_{L_org}(x,y)}、{G_{R_org}(x,y)}和{P_{R_org}(x,y)}、{d_org(x,y)}，计算S_org的左右视点特征融合图像，记为{F_org(x,y)}，将{F_org(x,y)}中坐标位置为(x,y)的像素点的像素值记为F_org(x,y)，其中，G_{R_org}(x+d_org(x,y),y)表示{G_{R_org}(x,y)}中坐标位置为(x+d_org(x,y),y)的像素点的像素值，P_{R_org}(x+d_org(x,y),y)表示{P_{R_org}(x,y)}中坐标位置为(x+d_org(x,y),y)的像素点的像素值，cos()为取余弦函数；

同样，根据{G_{L_dis}(x,y)}和{P_{L_dis}(x,y)}、{G_{R_dis}(x,y)}和{P_{R_dis}(x,y)}、{d_dis(x,y)}，计算S_dis的左右视点特征融合图像，记为{F_dis(x,y)}，将{F_dis(x,y)}中坐标位置为(x,y)的像素点的像素值记为F_dis(x,y)，其中，G_{R_dis}(x+d_dis(x,y),y)表示{G_{R_dis}(x,y)}中坐标位置为(x+d_dis(x,y),y)的像素点的像素值，P_{R_dis}(x+d_dis(x,y),y)表示{P_{R_dis}(x,y)}中坐标位置为(x+d_dis(x,y),y)的像素点的像素值，cos()为取余弦函数；

⑤计算{F_org(x,y)}与{F_dis(x,y)}之间的相似度图像，记为{S(x,y)}，将{S(x,y)}中坐标位置为(x,y)的像素点的像素值记为S(x,y)，其中，C为控制参数；

⑥根据{F_org(x,y)}和{F_dis(x,y)}，计算特征调制图像，记为{M(x,y)}，将{M(x,y)}中坐标位置为(x,y)的像素点的像素值记为M(x,y)，M(x,y)＝max(F_org(x,y),F_dis(x,y))，其中，max()为取最大值函数；

⑦根据{S(x,y)}和{M(x,y)}，计算S_dis的图像质量客观评价预测值，记为Q， $Q=\frac{\underset{x=1}{\overset{W}{\mathrm{\Σ}}}\underset{y=1}{\overset{H}{\mathrm{\Σ}}}(M(x,y)\×S(x,y))}{\underset{x=1}{\overset{W}{\mathrm{\Σ}}}\underset{y=1}{\overset{H}{\mathrm{\Σ}}}M(x,y)}.$

所述的步骤⑤中取C＝0.85。

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Riesz变换，然后利用得到的各自的幅值图像和相位图像以及视差信息，获取无失真的立体图像和失真的立体图像各自的左右视点特征融合图像，再根据两幅左右视点特征融合图像获取失真的立体图像的图像质量客观预测值，由于充分利用了左右视点特征融合的特性，因此有效地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。

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。

本发明提出的一种立体图像客观质量评价方法，其总体实现框图如图1所示，其处理过程为：

首先，对原始的无失真的立体图像的左视点图像和右视点图像、待评价的失真的立体图像的左视点图像和右视点图像分别实施二阶Riesz变换，得到各自的幅值图像和相位图像。其次，计算原始的无失真的立体图像的左视点图像与右视点图像之间的视差图像，并计算待评价的失真的立体图像的左视点图像与右视点图像之间的视差图像。再次，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各自的幅值图像和相位图像，及左视点图像与右视点图像之间的视差图像，计算原始的无失真的立体图像的左右视点特征融合图像；同样，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幅值图像和相位图像，及左视点图像与右视点图像之间的视差图像，计算待评价的失真的立体图像的左右视点特征融合图像。最后，根据原始的无失真的立体图像的左右视点特征融合图像和待评价的失真的立体图像的左右视点特征融合图像，计算得到待评价的失真的立体图像的图像质量客观预测值。

本发明方法具体包括以下步骤：

①令S_org表示原始的无失真的立体图像，令S_dis表示待评价的失真的立体图像，将S_org的左视点图像记为{L_org(x,y)}，将S_org的右视点图像记为{R_org(x,y)}，将S_dis的左视点图像记为{L_dis(x,y)}，将S_dis的右视点图像记为{R_dis(x,y)}，其中，1≤x≤W,1≤y≤H，W表示S_org和S_dis的宽度，H表示S_org和S_dis的高度，L_org(x,y)表示{L_org(x,y)}中坐标位置为(x,y)的像素点的像素值，R_org(x,y)表示{R_org(x,y)}中坐标位置为(x,y)的像素点的像素值，L_dis(x,y)表示{L_dis(x,y)}中坐标位置为(x,y)的像素点的像素值，R_dis(x,y)表示{R_dis(x,y)}中坐标位置为(x,y)的像素点的像素值。

②对{L_org(x,y)}、{R_org(x,y)}、{L_dis(x,y)}和{R_dis(x,y)}四幅图像分别实施二阶Riesz变换，得到{L_org(x,y)}、{R_org(x,y)}、{L_dis(x,y)}和{R_dis(x,y)}各自的幅值图像和相位图像，将{L_org(x,y)}的幅值图像和相位图像对应记为{G_{L_org}(x,y)}和{P_{L_org}(x,y)}，将{R_org(x,y)}的幅值图像和相位图像对应记为{G_{R_org}(x,y)}和{P_{R_org}(x,y)}，将{L_dis(x,y)}的幅值图像和相位图像对应记为{G_{L_dis}(x,y)}和{P_{L_dis}(x,y)}，将{R_dis(x,y)}的幅值图像和相位图像对应记为{G_{R_dis}(x,y)}和{P_{R_dis}(x,y)}，其中，G_{L_org}(x,y)表示{G_{L_org}(x,y)}中坐标位置为(x,y)的像素点的像素值，P_{L_org}(x,y)表示{P_{L_org}(x,y)}中坐标位置为(x,y)的像素点的像素值，G_{R_org}(x,y)表示{G_{R_org}(x,y)}中坐标位置为(x,y)的像素点的像素值，P_{R_org}(x,y)表示{P_{R_org}(x,y)}中坐标位置为(x,y)的像素点的像素值，G_{L_dis}(x,y)表示{G_{L_dis}(x,y)}中坐标位置为(x,y)的像素点的像素值，P_{L_dis}(x,y)表示{P_{L_dis}(x,y)}中坐标位置为(x,y)的像素点的像素值，G_{R_dis}(x,y)表示{G_{R_dis}(x,y)}中坐标位置为(x,y)的像素点的像素值，P_{R_dis}(x,y)表示{P_{R_dis}(x,y)}中坐标位置为(x,y)的像素点的像素值。

③采用块匹配方法计算{L_org(x,y)}与{R_org(x,y)}之间的视差图像，记为{d_org(x,y)}，其中，d_org(x,y)表示{d_org(x,y)}中坐标位置为(x,y)的像素点的像素值。

同样，采用块匹配方法计算{L_dis(x,y)}与{R_dis(x,y)}之间的视差图像，记为{d_dis(x,y)}，其中，d_dis(x,y)表示{d_dis(x,y)}中坐标位置为(x,y)的像素点的像素值。

④根据{G_{L_org}(x,y)}和{P_{L_org}(x,y)}、{G_{R_org}(x,y)}和{P_{R_org}(x,y)}、{d_org(x,y)}，计算S_org的左右视点特征融合图像，记为{F_org(x,y)}，将{F_org(x,y)}中坐标位置为(x,y)的像素点的像素值记为F_org(x,y)，其中，G_{R_org}(x+d_org(x,y),y)表示{G_{R_org}(x,y)}中坐标位置为(x+d_org(x,y),y)的像素点的像素值，P_{R_org}(x+d_org(x,y),y)表示{P_{R_org}(x,y)}中坐标位置为(x+d_org(x,y),y)的像素点的像素值，cos()为取余弦函数。

同样，根据{G_{L_dis}(x,y)}和{P_{L_dis}(x,y)}、{G_{R_dis}(x,y)}和{P_{R_dis}(x,y)}、{d_dis(x,y)}，计算S_dis的左右视点特征融合图像，记为{F_dis(x,y)}，将{F_dis(x,y)}中坐标位置为(x,y)的像素点的像素值记为F_dis(x,y)，其中，G_{R_dis}(x+d_dis(x,y),y)表示{G_{R_dis}(x,y)}中坐标位置为(x+d_dis(x,y),y)的像素点的像素值，P_{R_dis}(x+d_dis(x,y),y)表示{P_{R_dis}(x,y)}中坐标位置为(x+d_dis(x,y),y)的像素点的像素值，cos()为取余弦函数。

⑤计算{F_org(x,y)}与{F_dis(x,y)}之间的相似度图像，记为{S(x,y)}，将{S(x,y)}中坐标位置为(x,y)的像素点的像素值记为S(x,y)，其中，C为控制参数，在本实施例中取C＝0.85。

⑥根据{F_org(x,y)}和{F_dis(x,y)}，计算特征调制图像，记为{M(x,y)}，将{M(x,y)}中坐标位置为(x,y)的像素点的像素值记为M(x,y)，M(x,y)＝max(F_org(x,y),F_dis(x,y))，其中，max()为取最大值函数。

⑦根据{S(x,y)}和{M(x,y)}，计算S_dis的图像质量客观评价预测值，记为Q， $Q=\frac{\underset{x=1}{\overset{W}{\mathrm{\Σ}}}\underset{y=1}{\overset{H}{\mathrm{\Σ}}}(M(x,y)\×S(x,y))}{\underset{x=1}{\overset{W}{\mathrm{\Σ}}}\underset{y=1}{\overset{H}{\mathrm{\Σ}}}M(x,y)}.$

为验证本发明方法的可行性和有效性，进行实验。

在此，采用LIVE立体图像库来分析利用本发明方法得到的失真的立体图像的图像质量客观评价预测值与平均主观评分差值之间的相关性。这里，利用评估图像质量评价方法的3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(Pearson linear correlation coefficient，PLCC)、Spearman相关系数(Spearman rank ordercorrelation coefficient，SROCC)、均方误差(root mean squared error，RMSE)，PLCC和RMSE反映失真立体图像的客观评价结果的准确性，SROCC反映其单调性。

利用本发明方法计算LIVE立体图像库中的每幅失真立体图像的图像质量客观评价预测值，再利用现有的主观评价方法获得LIVE立体图像库中的失真立体图像的平均主观评分差值。将按本发明方法计算得到的失真立体图像的图像质量客观评价预测值做五参数Logistic函数非线性拟合，PLCC和SROCC值越高，RMSE值越低说明客观评价方法的客观评价结果与平均主观评分差值相关性越好。反映本发明方法的质量评价性能的PLCC、SROCC和RMSE相关系数如表1所列。从表1所列的数据可知，按本发明方法得到的失真立体图像的最终的图像质量客观评价预测值与平均主观评分差值之间的相关性是很好的，表明客观评价结果与人眼主观感知的结果较为一致，足以说明本发明方法的可行性和有效性。

表1利用本发明方法得到的失真的立体图像的图像质量客观评价预测值与平均主观评分差值之间的相关性

Claims (3)

1.一种立体图像客观质量评价方法，其特征在于它的处理过程为：

首先，对原始的无失真的立体图像的左视点图像和右视点图像、待评价的失真的立体图像的左视点图像和右视点图像分别实施二阶Riesz变换，得到各自的幅值图像和相位图像；

其次，计算原始的无失真的立体图像的左视点图像与右视点图像之间的视差图像，并计算待评价的失真的立体图像的左视点图像与右视点图像之间的视差图像；

再次，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各自的幅值图像和相位图像，及左视点图像与右视点图像之间的视差图像，计算原始的无失真的立体图像的左右视点特征融合图像；同样，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幅值图像和相位图像，及左视点图像与右视点图像之间的视差图像，计算待评价的失真的立体图像的左右视点特征融合图像；

最后，根据原始的无失真的立体图像的左右视点特征融合图像和待评价的失真的立体图像的左右视点特征融合图像，计算得到待评价的失真的立体图像的图像质量客观预测值。

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，其特征在于该方法具体包括以下步骤：

①令S_org表示原始的无失真的立体图像，令S_dis表示待评价的失真的立体图像，将S_org的左视点图像记为{L_org(x,y)}，将S_org的右视点图像记为{R_org(x,y)}，将S_dis的左视点图像记为{L_dis(x,y)}，将S_dis的右视点图像记为{R_dis(x,y)}，其中，1≤x≤W,1≤y≤H，W表示S_org和S_dis的宽度，H表示S_org和S_dis的高度，L_org(x,y)表示{L_org(x,y)}中坐标位置为(x,y)的像素点的像素值，R_org(x,y)表示{R_org(x,y)}中坐标位置为(x,y)的像素点的像素值，L_dis(x,y)表示{L_dis(x,y)}中坐标位置为(x,y)的像素点的像素值，R_dis(x,y)表示{R_dis(x,y)}中坐标位置为(x,y)的像素点的像素值；

②对{L_org(x,y)}、{R_org(x,y)}、{L_dis(x,y)}和{R_dis(x,y)}四幅图像分别实施二阶Riesz变换，得到{L_org(x,y)}、{R_org(x,y)}、{L_dis(x,y)}和{R_dis(x,y)}各自的幅值图像和相位图像，将{L_org(x,y)}的幅值图像和相位图像对应记为{G_{L_org}(x,y)}和{P_{L_org}(x,y)}，将{R_org(x,y)}的幅值图像和相位图像对应记为{G_{R_org}(x,y)}和{P_{R_org}(x,y)}，将{L_dis(x,y)}的幅值图像和相位图像对应记为{G_{L_dis}(x,y)}和{P_{L_dis}(x,y)}，将{R_dis(x,y)}的幅值图像和相位图像对应记为{G_{R_dis}(x,y)}和{P_{R_dis}(x,y)}，其中，G_{L_org}(x,y)表示{G_{L_org}(x,y)}中坐标位置为(x,y)的像素点的像素值，P_{L_org}(x,y)表示{P_{L_org}(x,y)}中坐标位置为(x,y)的像素点的像素值，G_{R_org}(x,y)表示{G_{R_org}(x,y)}中坐标位置为(x,y)的像素点的像素值，P_{R_org}(x,y)表示{P_{R_org}(x,y)}中坐标位置为(x,y)的像素点的像素值，G_{L_dis}(x,y)表示{G_{L_dis}(x,y)}中坐标位置为(x,y)的像素点的像素值，P_{L_dis}(x,y)表示{P_{L_dis}(x,y)}中坐标位置为(x,y)的像素点的像素值，G_{R_dis}(x,y)表示{G_{R_dis}(x,y)}中坐标位置为(x,y)的像素点的像素值，P_{R_dis}(x,y)表示{P_{R_dis}(x,y)}中坐标位置为(x,y)的像素点的像素值；

③采用块匹配方法计算{L_org(x,y)}与{R_org(x,y)}之间的视差图像，记为{d_org(x,y)}，其中，d_org(x,y)表示{d_org(x,y)}中坐标位置为(x,y)的像素点的像素值；

同样，采用块匹配方法计算{L_dis(x,y)}与{R_dis(x,y)}之间的视差图像，记为{d_dis(x,y)}，其中，d_dis(x,y)表示{d_dis(x,y)}中坐标位置为(x,y)的像素点的像素值；

④根据{G_{L_org}(x,y)}和{P_{L_org}(x,y)}、{G_{R_org}(x,y)}和{P_{R_org}(x,y)}、{d_org(x,y)}，计算S_org的左右视点特征融合图像，记为{F_org(x,y)}，将{F_org(x,y)}中坐标位置为(x,y)的像素点的像素值记为F_org(x,y)，其中，G_{R_org}(x+d_org(x,y),y)表示{G_{R_org}(x,y)}中坐标位置为(x+d_org(x,y),y)的像素点的像素值，P_{R_org}(x+d_org(x,y),y)表示{P_{R_org}(x,y)}中坐标位置为(x+d_org(x,y),y)的像素点的像素值，cos()为取余弦函数；

同样，根据{G_{L_dis}(x,y)}和{P_{L_dis}(x,y)}、{G_{R_dis}(x,y)}和{P_{R_dis}(x,y)}、{d_dis(x,y)}，计算S_dis的左右视点特征融合图像，记为{F_dis(x,y)}，将{F_dis(x,y)}中坐标位置为(x,y)的像素点的像素值记为F_dis(x,y)，其中，G_{R_dis}(x+d_dis(x,y),y)表示{G_{R_dis}(x,y)}中坐标位置为(x+d_dis(x,y),y)的像素点的像素值，P_{R_dis}(x+d_dis(x,y),y)表示{P_{R_dis}(x,y)}中坐标位置为(x+d_dis(x,y),y)的像素点的像素值，cos()为取余弦函数；

⑤计算{F_org(x,y)}与{F_dis(x,y)}之间的相似度图像，记为{S(x,y)}，将{S(x,y)}中坐标位置为(x,y)的像素点的像素值记为S(x,y)，其中，C为控制参数；

⑥根据{F_org(x,y)}和{F_dis(x,y)}，计算特征调制图像，记为{M(x,y)}，将{M(x,y)}中坐标位置为(x,y)的像素点的像素值记为M(x,y)，M(x,y)＝max(F_org(x,y),F_dis(x,y))，其中，max()为取最大值函数；

⑦根据{S(x,y)}和{M(x,y)}，计算S_dis的图像质量客观评价预测值，记为Q， $Q=\frac{\underset{x=1}{\overset{W}{\mathrm{\Σ}}}\underset{y=1}{\overset{H}{\mathrm{\Σ}}}(M(x,y)\×S(x,y))}{\underset{x=1}{\overset{W}{\mathrm{\Σ}}}\underset{y=1}{\overset{H}{\mathrm{\Σ}}}M(x,y)}.$

3.根据权利要求2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⑤中取C＝0.85。