欢迎来到利索能及~ 联系电话:18621327849
利索能及
我要发布
收藏
专利号: 2015107019376
申请人: 浙江科技学院
专利类型:发明专利
专利状态:已下证
专利领域: 电通信技术
更新日期:2024-10-29
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种基于立体视觉感知的全盲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,所述的训练阶段过程的具体步骤如下:

①-1、选取K幅原始的无失真立体图像,其中,K≥1,原始的无失真立体图像的宽度为M,原始的无失真立体图像的高度为N;

①-2、采用双目融合技术对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融合,得到每幅原始的无失真立体图像的融合视点图像;

①-3、对每幅原始的无失真立体图像的融合视点图像进行去均值归一化操作,得到每幅原始的无失真立体图像的融合视点图像的去均值归一化图像;

①-4、将每幅原始的无失真立体图像的融合视点图像的去均值归一化图像输入到实证密度函数中,得到每幅原始的无失真立体图像的融合视点图像的去均值归一化图像的纹理信息向量;

①-5、对每幅原始的无失真立体图像的融合视点图像的去均值归一化图像进行四个方向的滤波处理,得到每幅原始的无失真立体图像的融合视点图像的去均值归一化图像的水平方向信息图像、垂直方向信息图像、主对角线方向信息图像和副对角线方向信息图像;然后将每幅原始的无失真立体图像的融合视点图像的去均值归一化图像的水平方向信息图像、垂直方向信息图像、主对角线方向信息图像和副对角线方向信息图像输入到非对称广义高斯分布模型中,得到每幅原始的无失真立体图像的融合视点图像的去均值归一化图像的方向信息向量;

①-6、将所有原始的无失真立体图像的融合视点图像的去均值归一化图像的纹理信息向量和方向信息向量作为输入参数,输入到高斯分布模型中,得到所有原始的无失真立体图像对应的无失真高斯分布模型;

所述的测试阶段过程的具体步骤如下:

②-1、对于任意一幅尺寸大小与步骤①-1中选取的原始的无失真立体图像的尺寸大小一致的失真立体图像,将该失真立体图像作为待评价的失真立体图像;

②-2、采用双目融合技术对待评价的失真立体图像的左视点图像和右视点图像进行融合,得到待评价的失真立体图像的融合视点图像;

②-3、对待评价的失真立体图像的融合视点图像进行去均值归一化操作,得到待评价的失真立体图像的融合视点图像的去均值归一化图像;

②-4、将待评价的失真立体图像的融合视点图像的去均值归一化图像输入到实证密度函数中,得到待评价的失真立体图像的融合视点图像的去均值归一化图像的纹理信息向量;

②-5、对待评价的失真立体图像的融合视点图像的去均值归一化图像进行四个方向的滤波处理,得到待评价的失真立体图像的融合视点图像的去均值归一化图像的水平方向信息图像、垂直方向信息图像、主对角线方向信息图像和副对角线方向信息图像;然后将待评价的失真立体图像的融合视点图像的去均值归一化图像的水平方向信息图像、垂直方向信息图像、主对角线方向信息图像和副对角线方向信息图像输入到非对称广义高斯分布模型中,得到待评价的失真立体图像的融合视点图像的去均值归一化图像的方向信息向量;

②-6、将待评价的失真立体图像的融合视点图像的去均值归一化图像的纹理信息向量和方向信息向量作为输入参数,输入到高斯分布模型中,得到待评价的失真立体图像对应的失真高斯分布模型;

②-7、采用马氏距离公式衡量步骤①-6中得到的所有原始的无失真立体图像对应的无失真高斯分布模型与步骤②-6中得到的待评价的失真立体图像对应的失真高斯分布模型之间的误差,将衡量得到的误差作为待评价的失真立体图像的图像质量客观评价预测值。

2.根据权利要求1所述的一种基于立体视觉感知的全盲立体图像质量客观评价方法,其特征在于所述的步骤①-3中,将第k幅原始的无失真立体图像的融合视点图像的去均值归一化图像记为{Gk,org,L,R(m,n)},将{Gk,org,L,R(m,n)}中坐标位置为(m,n)的像素点的像素值记为Gk,org,L,R(m,n), 其中,1≤k≤K,1≤m≤M,1≤n≤N,Rk,org,L,R(m,n)表示第k幅原始的无失真立体图像的融合视点图像{Rk,org,L,R(m,n)}中坐标位置为(m,n)的像素点的像素值,μk,org,L,R表示{Rk,org,L,R(m,n)}中的所有像素点的像素值的均值,σk,org,L,R表示{Rk,org,L,R(m,n)}中的所有像素点的像素值的方差。

3.根据权利要求1或2所述的一种基于立体视觉感知的全盲立体图像质量客观评价方

法,其特征在于所述的步骤①-5中,将第k幅原始的无失真立体图像的融合视点图像的去均值归一化图像的水平方向信息图像、垂直方向信息图像、主对角线方向信息图像和副对角线方向信息图像对应记为{Hk,org,L,R(m,n)}、{Vk,org,L,R(m,n)}、{Dk,org,L,R(m,n)}和将{Hk,org,L,R(m,n)}中坐标位置为(m,n)的像素点的像素值记为Hk,org,L,R(m,n),将{Vk,org,L,R(m,n)}中坐标位置为(m,n)的像素点的像素值记为Vk,org,L,R(m,n),将{Dk,org,L,R(m,n)}中坐标位置为(m,n)的像素点的像素值记为Dk,org,L,R(m,n),将中坐标位置为(m,n)的像素点的像素值记为 Hk,org,L,R(m,n)=Gk,org,L,R(m,n)×Gk,org,L,R(m,n+1),Vk,org,L,R(m,n)=Gk,org,L,R(m,n)×Gk,org,L,R(m+1,n),Dk,org ,L ,R(m ,n)=Gk ,org ,L,R (m ,n)×Gk ,org ,L ,R (m+1 ,n+1) ,其中,1≤k≤K,1≤m≤M,1≤n≤N,

Gk,org,L,R(m,n)表示第k幅原始的无失真立体图像的融合视点图像的去均值归一化图像{Gk,org,L,R(m,n)}中坐标位置为(m,n)的像素点的像素值;Gk,org,L,R(m,n+1)表示{Gk,org,L,R(m,n)}中坐标位置为(m,n+1)的像素点的像素值,若n+1>N,则令Gk,org,L,R(m,n+1)=Gk,org,L,R(m,N),Gk,org,L,R(m,N)表示{Gk,org,L,R(m,n)}中坐标位置为(m,N)的像素点的像素值;Gk,org,L,R(m+

1,n)表示{Gk,org,L,R(m,n)}中坐标位置为(m+1,n)的像素点的像素值,若m+1>M,则令Gk,org,L,R(m+1,n)=Gk,org,L,R(M,n),Gk,org,L,R(M,n)表示{Gk,org,L,R(m,n)}中坐标位置为(M,n)的像素点的像素值;Gk,org,L,R(m+1,n+1)表示{Gk,org,L,R(m,n)}中坐标位置为(m+1,n+1)的像素点的像素值,若m+1>M且1≤n+1≤N,则令Gk,org,L,R(m+1,n+1)=Gk,org,L,R(M,n+1),若1≤m+1≤M且n+1>N,则令Gk,org,L,R(m+1,n+1)=Gk,org,L,R(m+1,N),若m+1>M且n+1>N,则令Gk,org,L,R(m+1,n+1)=Gk,org,L,R(M,N),Gk,org,L,R(M,n+1)、Gk,org,L,R(m+1,N)和Gk,org,L,R(M,N)对应表示{Gk,org,L,R(m,n)}中坐标位置为(M,n+1)、(m+1,N)和(M,N)的像素点的像素值;Gk,org,L,R(m+1,n-1)表示{Gk,org,L,R(m,n)}中坐标位置为(m+1,n-1)的像素点的像素值,若m+1>M且1≤n-1≤N,则令Gk,org,L,R(m+1,n-1)=Gk,org,L,R(M,n-1),若1≤m+1≤M且n-1<1,则令Gk,org,L,R(m+1,n-1)=Gk,org,L,R(m+1,1),若m+1>M且n-1<1,则令Gk,org,L,R(m+1,n-1)=Gk,org,L,R(M,1),Gk,org,L,R(M,n-

1)、Gk,org,L,R(m+1,1)和Gk,org,L,R(M,1)对应表示{Gk,org,L,R(m,n)}中坐标位置为(M,n-1)、(m+

1,1)和(M,1)的像素点的像素值;上述,Gk,org,L,R(m,n+1)=Gk,org,L,R(m,N)、Gk,org,L,R(m+1,n)=Gk,org,L,R(M,n)、Gk,org,L,R(m+1,n+1)=Gk,org,L,R(M,n+1)、Gk,org,L,R(m+1,n+1)=Gk,org,L,R(m+

1,N)、Gk,org,L,R(m+1,n+1)=Gk,org,L,R(M,N)、Gk,org,L,R(m+1,n-1)=Gk,org,L,R(M,n-1)、Gk,org,L,R(m+1,n-1)=Gk,org,L,R(m+1,1)和Gk,org,L,R(m+1,n-1)=Gk,org,L,R(M,1)中的“=”为赋值符号。

4.根据权利要求1所述的一种基于立体视觉感知的全盲立体图像质量客观评价方法,其特征在于所述的步骤②-3中,将待评价的失真立体图像的融合视点图像的去均值归一化图像记为{Gdis,L,R(m,n)},将{Gdis,L,R(m,n)}中坐标位置为(m,n)的像素点的像素值记为Gdis,L,R(m,n), 其中,1≤m≤M,1≤n≤N,Rdis,L,R(m,n)表示待评价的失真立体图像的融合视点图像{Rdis,L,R(m,n)}中坐标位置为(m,n)的像素点的像素值,μdis,L,R表示{Rdis,L,R(m,n)}中的所有像素点的像素值的均值,σdis,L,R表示{Rdis,L,R(m,n)}中的所有像素点的像素值的方差。

5.根据权利要求1或4所述的一种基于立体视觉感知的全盲立体图像质量客观评价方

法,其特征在于所述的步骤②-5中,将待评价的失真立体图像的融合视点图像的去均值归一化图像的水平方向信息图像、垂直方向信息图像、主对角线方向信息图像和副对角线方向信息图像对应记为{Hdis,L,R(m,n)}、{Vdis,L,R(m,n)}、{Ddis,L,R(m,n)}和 将{Hdis,L,R(m,n)}中坐标位置为(m,n)的像素点的像素值记为Hdis,L,R(m,n),将{Vdis,L,R(m,n)}中坐标位置为(m,n)的像素点的像素值记为Vdis,L,R(m,n),将{Ddis,L,R(m,n)}中坐标位置为(m,n)的像素点的像素值记为Ddis,L,R(m,n),将 中坐标位置为(m,n)的像素点的像素值记为 Hdis,L,R(m,n)=Gdis,L,R(m,n)×Gdis,L,R(m,n+1),Vdis,L,R(m,n)=Gdis,L,R(m,n)×Gdis,L,R(m+1,n),Ddis,L,R(m,n)=Gdis,L,R(m,n)×Gdis,L,R(m+1,n+1),其中,1≤m≤M,1≤n≤N,Gdis,L,R(m,n)表示待评价的失真立体图像的融合视点图像的去均值归一化图像{Gdis,L,R(m,n)}中坐标位置为(m,n)的像素点的像素值;Gdis,L,R(m,n+1)表示{Gdis,L,R(m,n)}中坐标位置为(m,n+1)的像素点的像素值,若n+1>N,则令Gdis,L,R(m,n+1)=Gdis,L,R(m,N),Gdis,L,R(m,N)表示{Gdis,L,R(m,n)}中坐标位置为(m,N)的像素点的像素值;Gdis,L,R(m+1,n)表示{Gdis,L,R(m,n)}中坐标位置为(m+1,n)的像素点的像素值,若m+1>M,则令Gdis,L,R(m+1,n)=Gdis,L,R(M,n),Gdis,L,R(M,n)表示{Gdis,L,R(m,n)}中坐标位置为(M,n)的像素点的像素值;Gdis,L,R(m+1,n+1)表示{Gdis,L,R(m,n)}中坐标位置为(m+1,n+1)的像素点的像素值,若m+1>M且1≤n+1≤N,则令Gdis,L,R(m+1,n+

1)=Gdis,L,R(M,n+1),若1≤m+1≤M且n+1>N,则令Gdis,L,R(m+1,n+1)=Gdis,L,R(m+1,N),若m+1>M且n+1>N,则令Gdis,L,R(m+1,n+1)=Gdis,L,R(M,N),Gdis,L,R(M,n+1)、Gdis,L,R(m+1,N)和Gdis,L,R(M,N)对应表示{Gdis,L,R(m,n)}中坐标位置为(M,n+1)、(m+1,N)和(M,N)的像素点的像素值;

Gdis,L,R(m+1,n-1)表示{Gdis,L,R(m,n)}中坐标位置为(m+1,n-1)的像素点的像素值,若m+1>M且1≤n-1≤N,则令Gdis,L,R(m+1,n-1)=Gdis,L,R(M,n-1),若1≤m+1≤M且n-1<1,则令Gdis,L,R(m+1,n-1)=Gdis,L,R(m+1,1),若m+1>M且n-1<1,则令Gdis,L,R(m+1,n-1)=Gdis,L,R(M,1),Gdis,L,R(M,n-1)、Gdis,L,R(m+1,1)和Gdis,L,R(M,1)对应表示{Gdis,L,R(m,n)}中坐标位置为(M,n-1)、(m+

1,1)和(M,1)的像素点的像素值;上述,Gdis,L,R(m,n+1)=Gdis,L,R(m,N)、Gdis,L,R(m+1,n)=Gdis,L,R(M,n)、Gdis,L,R(m+1,n+1)=Gdis,L,R(M,n+1)、Gdis,L,R(m+1,n+1)=Gdis,L,R(m+1,N)、Gdis,L,R(m+1,n+1)=Gdis,L,R(M,N)、Gdis,L,R(m+1,n-1)=Gdis,L,R(M,n-1)、Gdis,L,R(m+1,n-1)=Gdis,L,R(m+1,1)和Gdis,L,R(m+1,n-1)=Gdis,L,R(M,1)中的“=”为赋值符号。