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的左视点图像记为XL,将X的右视点图像记为XR,将Y的左视点图像记为YL,将Y的右视点图像记为YR;
将XL、XR、YL和YR分别分割成多个图像块,再计算XL、XR、YL和YR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,同时计算XL和YL中所有的坐标位置相同的两个图像块之间的亮度协方差,并计算XR和YR中所有的坐标位置相同的两个图像块之间的亮度协方差;
通过水平方向和垂直方向的3×3Soble算子,获取XL、XR、YL和YR各自的水平方向梯度矩L R L R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射图和垂直方向梯度矩阵映射图,获取XL、XR、YL和YR各自的梯度图;
根据XL和YL的梯度图,获取XL和YL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XL和YL中的每个图像块中的所有像素点的亮度标准差,获取XL和YL中所有的坐标位L L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素点的亮度标准差及XL和YL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XL和YL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XR和YR的梯度图,获取XR和YR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XR和YR中的每个图像块中的所有像素点的亮度标准差,获取XR和YR中所有的坐标位置相同的两个像素点之间的对比度相似度,根据XR和YR中的每个图像块中的所有像素点的亮度标准差及XR和YR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XR和YR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;再根据XL和YL中所有的坐标位置相同的两个像素点之间的梯度相似度、对比度相似度和结构度相似度,计算XL和YL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,并根据XR和YR中所有的坐标位置相同的两个像素点之间的梯度相似度、对比度相似度和结构度相似度,计算XR和YR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;
获取XL和XR各自的双目恰可觉察失真图;
根据XL和YL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XL的双目恰可觉察失真图,获取YL的客观质量分值,记为QL,其中,H表示XL、YL、XR和YR的高度,W表示XL、YL、XR和YR的宽度,BJNDL(p”,q”)表示XL的双目恰L L可觉察失真图BJND中坐标位置为(p”,q”)的像素点的双目恰可觉察失真值,GSSIM(p”,q”)表示XL中坐标位置为(p”,q”)的像素点与YL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;同样,根据XR和YR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XR的双目恰可觉察失真图 ,获取YR的客观 质量分值 ,记为QR,其中,BJNDR(p”,q”)表示XR的双目恰可觉察
失真图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;
根据YL的客观质量分值和YR的客观质量分值,获取Y的客观质量分值,记为Q3D,
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的左视点图像记为XL,将X的右视点图像记为XR,将Y的左视点图像记为YL,将Y的右视点图像记为YR;
②采用尺寸大小为8×8的滑动窗口在XL中逐像素点移动,将XL分割成M×N个相重叠的且尺寸大小为8×8的图像块,将XL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YL中逐像素点移动,将YL分割成M×N个相重叠的且尺寸大小为8×8的图像块,将YL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XR中逐像素点移动,将XR分割成M×N个相重叠的且尺寸大小为8×8的图像块,将XR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)的图像块中的所有像素点的亮度均值和亮度标准差对应记为 和 将YL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)的像素点的亮度值;然后计算XL和YL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XL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同样,计算XR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YR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XR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 将YR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)的像素点的亮度值;然后计算XR和YR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XR中坐标位置为(i,j)的图像块 与YR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L L值,X(p+u',q+v')表示X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
其中,YL
(p,q)表示YL中坐标位置为(p,q)的像素点的亮度值,YL(p+u',q+v')表示YL中坐标位置为(p+u',q+v')的像素点的亮度值;
对XR分别实施水平方向和垂直方向的3×3Soble算子处理,对应得到XR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
其中,X
R R R
(p,q)表示X中坐标位置为(p,q)的像素点的亮度值,X(p+u',q+v')表示X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 为其中,YR
R R R
(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;
⑤根据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 获取XL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;
L L
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
根据XR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XR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
根据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 获取YR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、对比度相似度和结构度相似度,将XL中坐标位置为(p,q)的像素点与YL中坐标位置为(p,q)的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gL(p,q)、cL(p,q)和sL(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、对比度相似度和结构度相似度,将XR中坐标位置为(p,q)的像素点与YR中坐标位置为(p,q)的像素点之间的梯度相似度、对比度相似度和结构度相似度对应记为gR(p,q)、cR(p,q)和sR(p,q),⑦根据XL和YL中所有的坐标位置相同的两个像素点之间的梯度相似度、对比度相似度和结构度相似度,计算XL和YL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,将XL中坐标位置为(p,q)的像素点与YL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记为GSSIML(p,q),GSSIML(p,q)=gL(p,q)×cL(p,q)×sL(p,q);
根据XR和YR中所有的坐标位置相同的两个像素点之间的梯度相似度、对比度相似度和结构度相似度,计算XR和YR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,将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R R R R R的结构相似度记为GSSIM(p,q),GSSIM(p,q)=g(p,q)×c(p,q)×s(p,q);
⑧获取XL的双目恰可觉察失真图,记为BJNDL,将BJNDL中坐标位置为(p,q)的像素点的双目恰可觉察失真值记为BJNDL(p,q),其中,
表示XR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),其中,
表示XL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R R
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,⑨根据XL和YL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XL的双目L L L恰可觉察失真图BJND,计算Y的客观质量分值,记为Q,
其中,BJNDL(p”,q”)表示BJNDL中坐标位置为(p”,q”)的像素点的双目恰可觉察失真值,L L LGSSIM(p”,q”)表示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度的结构相似度;
根据XR和YR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XR的双目恰可觉察失真图BJNDR,计算YR的客观质量分值,记为QR,R R
其中,BJND(p”,q”)表示BJND 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。