1.一种立体图像客观质量评价方法，其特征在于该方法的实现过程如下：令X表示原始的无失真的立体图像，并令Y表示待评价的失真的立体图像，将X的左视L R L点图像记为X，将X的右视点图像记为X，将Y的左视点图像记为Y，将Y的右视点图像记R为Y ；

L R L R L R L R

将X、X、Y 和Y 分别分割成多个图像块，再计算X、X、Y 和Y 中的每个图像块中的L L所有像素点的亮度均值和亮度标准差，同时计算X 和Y 中所有的坐标位置相同的两个图像R R块之间的亮度协方差，并计算X 和Y 中所有的坐标位置相同的两个图像块之间的亮度协方差；

L R L R

通过水平方向和垂直方向的3×3Soble算子，获取X、X、Y 和Y 各自的水平方向梯度L R L R矩阵映射图和垂直方向梯度矩阵映射图，再根据X、X、Y 和Y 各自的水平方向梯度矩阵映L R L R射图和垂直方向梯度矩阵映射图，获取X、X、Y 和Y 各自的梯度图；

L L L L

根据X 和Y 的梯度图，获取X 和Y 中所有的坐标位置相同的两个像素点之间的梯度L L L L相似度，根据X 和Y 中的每个图像块中的所有像素点的亮度标准差，获取X 和Y 中所有的L L坐标位置相同的两个像素点之间的对比度相似度，根据X 和Y 中的每个图像块中的所有像L L素点的亮度标准差及X 和Y 中所有的坐标位置相同的两个图像块之间的亮度协方差，获取L L R RX 和Y 中所有的坐标位置相同的两个像素点之间的结构度相似度；同样，根据X 和Y 的梯R R R R度图，获取X 和Y 中所有的坐标位置相同的两个像素点之间的梯度相似度，根据X 和Y 中R R的每个图像块中的所有像素点的亮度标准差，获取X 和Y 中所有的坐标位置相同的两个像R R R素点之间的对比度相似度，根据X 和Y 中的每个图像块中的所有像素点的亮度标准差及XR R R和Y 中所有的坐标位置相同的两个图像块之间的亮度协方差，获取X 和Y 中所有的坐标L L位置相同的两个像素点之间的结构度相似度；再根据X 和Y 中所有的坐标位置相同的两个L L像素点之间的梯度相似度、对比度相似度和结构度相似度，计算X 和Y 中所有的坐标位置R R相同的两个像素点之间的基于梯度的结构相似度，并根据X 和Y 中所有的坐标位置相同的R R两个像素点之间的梯度相似度、对比度相似度和结构度相似度，计算X 和Y 中所有的坐标位置相同的两个像素点之间的基于梯度的结构相似度；

L R

获取X 和X 各自的双目恰可觉察失真图；

L L L

根据X 和Y 中坐标位置相同的两个像素点之间的基于梯度的结构相似度，以及X 的L R R双目恰可觉察失真图，获取Y 的客观质量分值；同样，根据X 和Y 中坐标位置相同的两个R R像素点之间的基于梯度的结构相似度，以及X 的双目恰可觉察失真图，获取Y 的客观质量分值；

L R

根据Y 的客观质量分值和Y 的客观质量分值，获取Y的客观质量分值。

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X表示原始的无失真的立体图像，并令Y表示待评价的失真的立体图像，将X的左L R L视点图像记为X，将X的右视点图像记为X，将Y的左视点图像记为Y，将Y的右视点图像R记为Y ；

L L

②采用尺寸大小为8×8的滑动窗口在X 中逐像素点移动，将X 分割成M×N个相重叠L的且尺寸大小为8×8的图像块，将X 中坐标位置为(i,j)的图像块记为 采用尺寸大小L L为8×8的滑动窗口在Y 中逐像素点移动，将Y 分割成M×N个相重叠的且尺寸大小为8×8L的图像块，将Y 中坐标位置为(i,j)的图像块记为 采用尺寸大小为8×8的滑动窗口R R R在X 中逐像素点移动，将X 分割成M×N个相重叠的且尺寸大小为8×8的图像块，将X 中坐标位置为(i,j)的图像块记为 采用尺寸大小为8×8的滑动窗口在YR中逐像素点移动，将YR分割成M×N个相重叠的且尺寸大小为8×8的图像块，将YR中坐标位置为(i,j)的图像块记为其中，M=H-7，N=W-7，H表示XL、YL、XR和YR的高度，W表示XL、YL、XR和YR的宽度，

1≤i≤M,1≤j≤N；

③计算XL中的每个图像块中的所有像素点的亮度均值和亮度标准差，并计算YL中的每个图像块中的所有像素点的亮度均值和亮度标准差，将XL中坐标位置为(i,j)的图像块L中的所有像素点的亮度均值和亮度标准差对应记为 和 将Y 中坐标位置为(i,j)的图像块 中的所有像素点的亮度均值和亮度标准差对应记为 和其中，1≤u≤8,1≤v≤8， 表示 中坐标位置为(u,v)的像素点的亮度值， 表示 中坐标位置为(u,v)的像素点的亮度L L L值；然后计算X 和Y 中所有的坐标位置相同的两个图像块之间的亮度协方差，将X 中坐标位置为(i,j)的图像块 与YL中坐标位置为(i,j)的图像块 之间的亮度协方差记为R R同样，计算X 中的每个图像块中的所有像素点的亮度均值和亮度标准差，并计算Y 中R的每个图像块中的所有像素点的亮度均值和亮度标准差，将X 中坐标位置为(i,j)的图R像块 中的所有像素点的亮度均值和亮度标准差对应记为 和 将Y 中坐标位置为(i,j)的图像块 中的所有像素点的亮度均值和亮度标准差对应记为 和其中，1≤u≤8,1≤v≤8， 中坐标位置为(u,v)的像素点的亮度值，R R

表示 中坐标位置为(u,v)的像素点的亮度值；然后计算X 和Y 中所有的坐标R R位置相同的两个图像块之间的亮度协方差，将X 中坐标位置为(i,j)的图像块 与Y 中坐标位置为(i,j)的图像块 之间的亮度协方差记为④对XL分别实施水平方向和垂直方向的3×3Soble算子处理，对应得到XL的水平方向梯度矩阵映射图和垂直方向梯度矩阵映射图，并对应记为 和 将 中坐标位置为(p,q)的像素点的水平梯度值记为将 中坐标位置为(p,q)的像素点的垂直梯度值记为其中，1≤p≤H,1≤q≤W，-1≤u'≤1,-1≤v'≤1，XL(p,q)表示XL中坐标位置为(p,q)的像素点的亮度值，XL(p+u',q+v')表示XL中坐标位置为(p+u',q+v')的像素点的亮度值，wh(u'+2,v'+2)表示水平方向的3×3Soble算子wh中坐标位置为(u'+2,v'+2)处的值，wv(u'+2,v'+2)表示垂直方向的3×3Soble算子wv中坐标位置为(u'+2,v'+2)处的值；

对YL分别实施水平方向和垂直方向的3×3Soble算子处理，对应得到YL的水平方向梯度矩阵映射图和垂直方向梯度矩阵映射图，并对应记为 和 将 中坐标位置为(p,q)的像素点的水平梯度值记为将 中坐标位置为(p,q)的像素点的垂直梯度值记为L L L L

其中，Y(p,q)表示Y 中坐标位置为(p,q)的像素点的亮度值，Y(p+u',q+v')表示Y中坐标位置为(p+u',q+v')的像素点的亮度值；

R R

对X 分别实施水平方向和垂直方向的3×3Soble算子处理，对应得到X 的水平方向梯度矩阵映射图和垂直方向梯度矩阵映射图，并对应记为 和 将 中坐标位置为(p,q)的像素点的水平梯度值记为将 中坐标位置为(p,q)的像素点的垂直梯度值记为其中，XR(p,q)表示XR中坐标位置为(p,q)的像素点的亮度值，XR(p+u',q+v')表示XR中坐标位置为(p+u',q+v')的像素点的亮度值；

对YR分别实施水平方向和垂直方向的3×3Soble算子处理，对应得到YR的水平方向梯度矩阵映射图和垂直方向梯度矩阵映射图，并对应记为 和 将 中坐标位置为(p,q)的像素点的水平梯度值记为将 中坐标位置为(p,q)的像素点的垂直梯度值记为R R R R

其中，Y(p,q)表示Y 中坐标位置为(p,q)的像素点的亮度值，Y(p+u',q+v')表示Y中坐标位置为(p+u',q+v')的像素点的亮度值；

L

⑤根据X 的水平方向梯度矩阵映射图 和垂直方向梯度矩阵映射图 获L

取X 的梯度图，记为 将 中坐标位置为(p,q)的像素点的梯度值记为其中，1≤p≤H,1≤q≤W；

根据YL的水平方向梯度矩阵映射图 和垂直方向梯度矩阵映射图 获取L

Y 的梯度图，记为 将 中坐标位置为(p,q)的像素点的梯度值记为R

根据X 的水平方向梯度矩阵映射图 和垂直方向梯度矩阵映射图 获取R

X 的梯度图，记为 将 中坐标位置为(p,q)的像素点的梯度值记为R

根据Y 的水平方向梯度矩阵映射图 和垂直方向梯度矩阵映射图 获取R

Y 的梯度图，记为 将 中坐标位置为(p,q)的像素点的梯度值记为L L

⑥计算X 和Y 中所有的坐标位置相同的两个像素点之间的梯度相似度、对比度相似L L度和结构度相似度，将X 中坐标位置为(p,q)的像素点与Y 中坐标位置为(p,q)的像素点L L L之间的梯度相似度、对比度相似度和结构度相似度对应记为g(p,q)、c(p,q)和s(p,q)，其中，C1、C2、C3为避免分母出现零而设置的小值常数；

R R

同样，计算X 和Y 中所有的坐标位置相同的两个像素点之间的梯度相似度、对比度R R相似度和结构度相似度，将X 中坐标位置为(p,q)的像素点与Y 中坐标位置为(p,q)的R R像素点之间的梯度相似度、对比度相似度和结构度相似度对应记为g(p,q)、c(p,q)和Rs(p,q)，

L L

⑦根据X 和Y 中所有的坐标位置相同的两个像素点之间的梯度相似度、对比度相似度L L和结构度相似度，计算X 和Y 中所有的坐标位置相同的两个像素点之间的基于梯度的结构L L相似度，将X 中坐标位置为(p,q)的像素点与Y 中坐标位置为(p,q)的像素点之间的基于L L L L L梯度的结构相似度记为GSSIM(p,q)，GSSIM(p,q)=g(p,q)×c(p,q)×s(p,q)；

R R

根据X 和Y 中所有的坐标位置相同的两个像素点之间的梯度相似度、对比度相似度和R R结构度相似度，计算X 和Y 中所有的坐标位置相同的两个像素点之间的基于梯度的结构相R R似度，将X 中坐标位置为(p,q)的像素点与Y 中坐标位置为(p,q)的像素点之间的基于梯R R R R R度的结构相似度记为GSSIM(p,q)，GSSIM(p,q)=g(p,q)×c(p,q)×s(p,q)；

L L L

⑧获取X 的双目恰可觉察失真图，记为BJND，将BJND 中坐标位置为(p,q)的像素点L的双目恰可觉察失真值记为BJND(p,q)，R

其中， 表示X 中坐标位置为(i',j)的图像块 中的所有像素点的亮度均值，表示 中坐标位置为(p',q)的像素点的梯度值，dL(p,q)表示XL中坐标位置为(p,q)的像素点的水平视差值，获取XR的双目恰可觉察失真图，记为BJNDR，将BJNDR中坐标位置为(p,q)的像素点的双目恰可觉察失真值记为BJNDR(p,q)，L

其中， 表示X 中坐标位置为(i',j)的图像块 中的所有像素点的亮度均值，R R表示 中坐标位置为(p',q)的像素点的梯度值，d(p,q)表示X 中坐标位置为(p,q)的像素点的水平视差值，L L L

⑨根据X 和Y 中坐标位置相同的两个像素点之间的基于梯度的结构相似度，以及X 的L L L双目恰可觉察失真图BJND，计算Y 的客观质量分值，记为Q，L L

其中，BJND(p'',q'')表示BJND 中坐标L L

位置为(p'',q'')的像素点的双目恰可觉察失真值，GSSIM(p'',q'')表示X 中坐标位置L为(p'',q'')的像素点与Y 中坐标位置为(p'',q'')的像素点之间的基于梯度的结构相似度；

R R R

根据X 和Y 中坐标位置相同的两个像素点之间的基于梯度的结构相似度，以及X 的R R R双目恰可觉察失真图BJND，计算Y 的客观质量分值，记为Q，其中，BJNDR(p'',q'')表示BJNDR中坐标位置为(p'',q'')的像素点的双目恰可觉察失真值，GSSIMR(p'',q'')表示XR中坐标位置为(p'',q'')的像素点与YR中坐标位置为(p'',q'')的像素点之间的基于梯度的结构相似度；

⑩根据YL的客观质量分值QL和YR的客观质量分值QR，计算Y的客观质量分值，记为Q3D，

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④中水平方向的3×3Soble算子垂直方向的3×3Soble算子

4.根据权利要求2或3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⑥中取C1=0.01、C2=0.02、C3=0.01。