1.一种无参考模糊失真立体图像质量评价方法，其特征在于包括训练阶段和测试阶段两个过程，其中，训练阶段包括以下步骤：

①-1、选取N幅原始的无失真立体图像，然后将选取的N幅原始的无失真立体图像和每幅原始的无失真立体图像对应的模糊失真立体图像构成训练图像集，记为{Si,org,Si,dis|1≤i≤N}，其中，Si,org表示{Si,org,Si,dis|1≤i≤N}中的第i幅原始的无失真立体图像，Si,dis表示{Si,org,Si,dis|1≤i≤N}中的第i幅原始的无失真立体图像对应的模糊失真立体图像；

①-2、对{Si,org,Si,dis|1≤i≤N}中的每幅模糊失真立体图像的左视点图像进行非重叠的分块处理，然后采用Fast-ICA方法对由每幅模糊失真立体图像的左视点图像中的所有子块构成的集合进行字典训练操作，得到每幅模糊失真立体图像的左视点图像的视觉字典表，将Si,dis的左视点图像的视觉字典表记为 其中， 的维数为64×K，K表示 中包含的视觉字典的总个数；

对{Si,org,Si,dis|1≤i≤N}中的每幅模糊失真立体图像的右视点图像进行非重叠的分块处理；然后采用Fast-ICA方法对由每幅模糊失真立体图像的右视点图像中的所有子块构成的集合进行字典训练操作，得到每幅模糊失真立体图像的右视点图像的视觉字典表，将Si,dis的右视点图像的视觉字典表记为 其中， 的维数为64×K，K表示 中包含的视觉字典的总个数，与 中包含的视觉字典的总个数一致；

对{Si,org,Si,dis|1≤i≤N}中的每幅原始的无失真立体图像的左视点图像进行非重叠的分块处理；然后采用Fast-ICA方法对由每幅原始的无失真立体图像的左视点图像中的所有子块构成的集合进行字典训练操作，得到每幅原始的无失真立体图像的左视点图像的视觉字典表，将Si,org的左视点图像的视觉字典表记为 其中， 的维数为64×K，K表示中包含的视觉字典的总个数，与 和 中各自包含的视觉字典的总个数一致；

对{Si,org,Si,dis|1≤i≤N}中的每幅原始的无失真立体图像的右视点图像进行非重叠的分块处理；然后采用Fast-ICA方法对由每幅原始的无失真立体图像的右视点图像中的所有子块构成的集合进行字典训练操作，得到每幅原始的无失真立体图像的右视点图像的视觉字典表，将Si,org的右视点图像的视觉字典表记为 其中， 的维数为64×K，K表示中包含的视觉字典的总个数，与 和 中各自包含的视觉字典的总个数一致；

①-3、通过计算{Si,org,Si,dis|1≤i≤N}中的每幅原始的无失真立体图像的左视点图像的视觉字典表与对应的模糊失真立体图像的左视点图像的视觉字典表之间的距离，获取{Si,org,Si,dis|1≤i≤N}中的每幅模糊失真立体图像的左视点图像的视觉字典表的视觉质量表，将Si,dis的左视点图像的视觉字典表 的视觉质量表记为其 中 ，

表示 中的第k个视觉字典的视觉质量，符号“||||”为求欧氏距离符号，arccos()为取反余弦函数，符号“＜＞”为求内积符号，C1和C2为控制参数， 表示 中的第k个视觉字典， 的维数为64×1， 表示 中的第k个视觉字典， 的维数为64×1，的维数为1×K；

通过计算{Si,org,Si,dis|1≤i≤N}中的每幅原始的无失真立体图像的右视点图像的视觉字典表与对应的模糊失真立体图像的右视点图像的视觉字典表之间的距离，获取{Si,org,Si,dis|1≤i≤N}中的每幅模糊失真立体图像的右视点图像的视觉字典表的视觉质量表，将Si,dis的右视点图像的视觉字典表 的视觉质量表记为其中，

表示 中的第k个视觉字典的视觉质量， 表示 中的第k个视觉字典， 的维数为64×1， 表示 中的第k个视觉字典， 的维数为64×1， 的维数为1×K；

测试阶段包括以下步骤：

②对于任意一副测试立体图像Stest，分别对Stest的左视点图像和右视点图像进行非重叠的分块处理；然后根据{Si,org,Si,dis|1≤i≤N}中的每幅原始的无失真立体图像的左视点图像的视觉字典表、对应的模糊失真立体图像的左视点图像的视觉字典表及其视觉质量表，计算Stest的左视点图像中的每个子块的客观评价度量值，同样根据{Si,org,Si,dis|1≤i≤N}中的每幅原始的无失真立体图像的右视点图像的视觉字典表、对应的模糊失真立体图像的右视点图像的视觉字典表及其视觉质量表，计算Stest的右视点图像中的每个子块的客观评价度量值；再根据Stest的左视点图像和右视点图像中的每个子块的客观评价度量值，获取Stest的图像质量客观评价预测值。

2.根据权利要求1所述的一种无参考模糊失真立体图像质量评价方法，其特征在于所述的步骤①-2中Si,dis的左视点图像的视觉字典表 的获取过程为：a1、将Si,dis的左视点图像划分成 个互不重叠的尺寸大小为8×8的子块，将由Si,dis的左视点图像中的所有子块构成的集合记为 其中，W表示Si,org和Si,dis的宽，H表示Si,org和Si,dis的高， 表示由Si,dis的左视点图像中的第t个子块中的所有像素点组成的列向量， 的维数为64×1；

a2、采用Fast-ICA方法对 进行字典训练操作，将得到的目标训练字典作为Si,dis的左视点图像的视觉字典表，记为 其中，表示 中的第k个视觉字典， 的维数为64×1， 的维数为64×K，K表示中包含的视觉字典的总个数；

所述的步骤①-2中Si,d i s的右视点图像的视觉字典表 的获取过程为：b1、将Si,dis的右视点图像划分成 个互不重叠的尺寸大小为8×8的子块，将由Si,dis的右视点图像中的所有子块构成的集合记为 其中，W表示Si,org和Si,dis的宽，H表示Si,org和Si,dis的高， 表示由Si,dis的右视点图像中的第t个子块中的所有像素点组成的列向量， 的维数为64×1；

b2、采用Fast-ICA方法对 进行字典训练操作，将得到的目标训练字典作为Si,dis的右视点图像的视觉字典表，记为 其中，表示 中的第k个视觉字典， 的维数为64×1， 的维数为64×K，K表示中包含的视觉字典的总个数；

所述的步骤①-2中Si,org的左视点图像的视觉字典表 的获取过程为：c1、将Si,org的左视点图像划分成 个互不重叠的尺寸大小为8×8的子块，将由Si,org的左视点图像中的所有子块构成的集合记为 其中，W表示Si,org和Si,dis的宽，H表示Si,org和Si,dis的高， 表示由Si,org的左视点图像中的第t个子块中的所有像素点组成的列向量， 的维数为64×1；

c2、采用Fast-ICA方法对 进行字典训练操作，将得到的目标训练字典作为Si,org的左视点图像的视觉字典表，记为 其中，表示 中的第k个视觉字典， 的维数为64×1， 的维数为64×K，K表示中包含的视觉字典的总个数；

所述的步骤①-2中Si,org的右视点图像的视觉字典表 的获取过程为：d1、将Si,org的右视点图像划分成 个互不重叠的尺寸大小为8×8的子块，将由Si,org的右视点图像中的所有子块构成的集合记为 其中，W表示Si,org和Si,dis的宽，H表示Si,org和Si,dis的高， 表示由Si,org的右视点图像中的第t个子块中的所有像素点组成的列向量， 的维数为64×1；

d2、采用Fast-ICA方法对 进行字典训练操作，将得到的目标训练字典作为Si,org的右视点图像的视觉字典表，记为 其中，表示 中的第k个视觉字典， 的维数为64×1， 的维数为64×K，K表示中包含的视觉字典的总个数。

3.根据权利要求1或2所述的一种无参考模糊失真立体图像质量评价方法，其特征在于所述的步骤①-3中取C1＝0.6，C2＝0.5。

4.根据权利要求3所述的一种无参考模糊失真立体图像质量评价方法，其特征在于所述的步骤②的具体过程为：②-1、将Stest的左视点图像记为Ltest，将Stest的右视点图像记为Rtest，将Ltest和Rtest均划分成 个互不重叠的尺寸大小为8×8的子块，然后将由Ltest中的所有子块构成的集合记为 将由Rtest中的所有子块构成的集合记为 其中，W表示Stest的宽，与Si,org和Si,dis的宽一致，H表示Stest的高，与Siorg和Si,dis的高一致， 表示Ltest中的第t个子块中的所有像素点组成的列向量， 表示Rtest中的第t个子块中的所有像素点组成的列向量， 和 的维数均为64×1；

②-2、根据 中的每幅模糊失真立体图像的左视点图像的视觉字典表，获取 中的每个列向量的一个稀疏系数矩阵，对于

中的第t个列向量 共获得N个稀疏系数矩阵，将根据 计算得到的 的稀疏系数矩阵记为 其中， 为 的逆矩阵， 的维数为1×K；

根据{Si,org,Si,dis|1≤i≤N}中的每幅原始的无失真立体图像的左视点图像的视觉字典表，获取 中的每个列向量的一个稀疏系数矩阵，对于中的第t个列向量 共获得N个稀疏系数矩阵，将根据 计算得到的 的稀疏系数矩阵记为 其中， 为 的逆矩阵， 的维数为1×K；

根据{Si,org,Si,dis|1≤i≤N}中的每幅模糊失真立体图像的右视点图像的视觉字典表，获取 中的每个列向量的一个稀疏系数矩阵，对于 中的第t个列向量 共获得N个稀疏系数矩阵，将根据 计算得到的 的稀疏系数矩阵记为 其中， 为 的逆矩阵， 的维数为1×K；

根据{Si,org,Si,dis|1≤i≤N}中的每幅原始的无失真立体图像的右视点图像的视觉字典表，获取 中的每个列向量的一个稀疏系数矩阵，对于中的第t个列向量 共获得N个稀疏系数矩阵，将根据 计算得到的 的稀疏系数矩阵记为 其中， 为 的逆矩阵，

的维数为1×K；

②-3、计算Ltest中的每个子块的客观评价度量值，将Ltest中的第t个子块的客观评价度量值记为 其中， 为 的转置矩阵，exp()表示以自然基数e为底的指数函数，e＝2.71828183，符号“||||”为求欧氏距离符号，λ为控制参数；

同样，计算Rtest中的每个子块的客观评价度量值，将Rtest中的第t个子块的客观评价度量值记为 其中， 为 的转置矩阵；

②-4、根据Ltest和Rtest中的每个子块的客观评价度量值，计算Stest的图像质量客观评价预测值，记为Q， 其中，wL表示Ltest的客观评价度量值的权值比重，wR表示Rtest的客观评价度量值的权值比重，

5.根据权利要求4所述的一种无参考模糊失真立体图像质量评价方法，其特征在于所述的步骤②-3中取λ＝300。