1.一种基于自相似度特征的无参考立体图像质量客观评价方法，其特征在于包括以下

步骤：

①令Sdis表示待评价的失真立体图像，将Sdis的左视点图像记为{Ldis(x,y)}，将Sdis的右视点图像记为{Rdis(x,y)}，其中，1≤x≤W,1≤y≤H，W表示Sdis的宽度，H表示Sdis的高度，Ldis(x,y)表示{Ldis(x,y)}中坐标位置为(x,y)的像素点的像素值，Rdis(x,y)表示{Rdis(x,y)}中坐标位置为(x,y)的像素点的像素值；

②采用双目融合技术对{Ldis(x,y)}和{Rdis(x,y)}进行融合，得到Sdis的融合图像，记为{Cdis(x,y)}，其中，Cdis(x,y)表示{Cdis(x,y)}中坐标位置为(x,y)的像素点的像素值；

③对{Cdis(x,y)}进行去均值归一化操作，得到{Cdis(x,y)}的去均值归一化图像，记为{Cdis,dnt(x,y)}，其中，Cdis,dnt(x,y)表示{Cdis,dnt(x,y)}中坐标位置为(x,y)的像素点的像素值；

④对{Cdis,dnt(x,y)}进行四个方向的滤波处理，得到{Cdis,dnt(x,y)}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(x,y)}、{Vdis(x,y)}、{Ddis(x,y)}和 其中，Hdis(x,y)表示{Hdis(x,y)}中坐标位置为(x,y)的像素点的像素值，Vdis(x,y)表示{Vdis(x,y)}中坐标位置为(x,y)的像素点的像素值，Ddis(x,y)表示{Ddis(x,y)}中坐标位置为(x,y)的像素点的像素值， 表示中坐标位置为(x,y)的像素点的像素值；

⑤计算{Cdis(x,y)}与{Hdis(x,y)}之间的自相似度图像，记为{Hdis,sim(x,y)}；同样，计算{Cdis(x,y)}与{Vdis(x,y)}之间的自相似度图像，记为{Vdis,sim(x,y)}；计算{Cdis(x,y)}与{Ddis(x,y)}之间的自相似度图像，记为{Ddis,sim(x,y)}；计算{Cdis(x,y)}与 之间的自相似度图像，记为 其中，Hdis,sim(x,y)表示{Hdis,sim(x,y)}中坐标位置为(x,y)的像素点的像素值，Vdis,sim(x,y)表示{Vdis,sim(x,y)}中坐标位置为(x,y)的像素点的像素值，Ddis,sim(x,y)表示{Ddis,sim(x,y)}中坐标位置为(x,y)的像素点的像素值， 表示 中坐标位置为(x,y)的像素点的像素值；

⑥采用局部二值化模式操作对{Hdis,sim(x,y)}进行处理，得到{Hdis,sim(x,y)}的局部二值化模式图像，记为{Hdis,sim,lbp(x,y)}；同样，采用局部二值化模式操作对{Vdis,sim(x,y)}进行处理，得到{Vdis,sim(x,y)}的局部二值化模式图像，记为{Vdis,sim,lbp(x,y)}；采用局部二值化模式操作对{Ddis,sim(x,y)}进行处理，得到{Ddis,sim(x,y)}的局部二值化模式图像，记为{Ddis,sim,lbp(x,y)}；采用局部二值化模式操作对 进行处理，得到 的局部二值化模式图像，记为 其中，Hdis,sim,lbp(x,y)表示{Hdis,sim,lbp(x,y)}中坐标位置为(x,y)的像素点的像素值，Vdis,sim,lbp(x,y)表示{Vdis,sim,lbp(x,y)}中坐标位置为(x,y)的像素点的像素值，Ddis,sim,lbp(x,y)表示{Ddis,sim,lbp(x,y)}中坐标位置为(x,y)的像素点的像素值， 表示 中坐标位置为(x,y)的像素点的像素值；

⑦采用直方图统计方法对{Hdis,sim,lbp(x,y)}进行统计操作，得到{Hdis,sim,lbp(x,y)}的直方图统计特征向量，记为Hdis,sim,lbp,hist；同样，采用直方图统计方法对{Vdis,sim,lbp(x,y)}进行统计操作，得到{Vdis,sim,lbp(x,y)}的直方图统计特征向量，记为Vdis,sim,lbp,hist；采用直方图统计方法对{Ddis,sim,lbp(x,y)}进行统计操作，得到{Ddis,sim,lbp(x,y)}的直方图统计特征向量，记为Ddis,sim,lbp,hist；采用直方图统计方法对 进行统计操作，得到的直方图统计特征向量，记为 其中，Hdis,sim,lbp,hist、

Vdis,sim,lbp,hist、Ddis,sim,lbp,hist和 的维数均为1×m'维，Hdis,sim,lbp,hist中的第m个元素为Hdis,sim,lbp,hist(m)，Vdis,sim,lbp,hist中的第m个元素为Vdis,sim,lbp,hist(m)，Ddis,sim,lbp,hist中的第m个元素为Ddis,sim,lbp,hist(m)， 中的第m个元素为 1≤m≤m'，m'＝P+2，P表示局部二值化模式操作中的领域参数，P取值为8；

⑧采用n”幅原始的无失真立体图像，建立其在不同失真类型不同失真程度下的失真立

体图像集合，将该失真立体图像集合作为训练集，训练集包括多幅失真立体图像；然后利用

主观质量评价方法评价出训练集中的每幅失真立体图像的主观评分，将训练集中的第j幅

失真立体图像的主观评分记为DMOSj；再按照步骤①至步骤⑦的操作，以相同的方式获取训练集中的每幅失真立体图像对应的四个直方图统计特征向量，将训练集中的第j幅失真立

体图像对应的四个直方图统计特征向量依次记为Hdis,sim,lbp,hist,j、Vdis,sim,lbp,hist,j、Ddis,sim,lbp,hist,j和 其中，n”>1，j的初始值为1，1≤j≤N'，N'表示训练集中包含的失真立体图像的总幅数，0≤DMOSj≤100，Hdis,sim,lbp,hist,j、Vdis,sim,lbp,hist,j、Ddis,sim,lbp,hist,j和 的维数均为1×m'维，Hdis,sim,lbp,hist,j中的第m个元素为Hdis,sim,lbp,hist,j(m)，Vdis,sim,lbp,hist,j中的第m个元素为Vdis,sim,lbp,hist,j(m)，Ddis,sim,lbp,hist,j中的第m个元素为Ddis,sim,lbp,hist,j(m)， 中的第m个元素为 1≤m≤m'，m'＝P+2，P表示局部二值化模式操作中的领域参数，P取值为8；

⑨利用支持向量回归对训练集中的所有失真立体图像各自的主观评分及对应的四个

直方图统计特征向量进行训练，使得经过训练得到的回归函数值与主观评分之间的误差最

小，拟合得到最优的权值矢量Wopt和最优的偏置项bopt；接着利用Wopt和bopt构造得到支持向量回归训练模型；再根据支持向量回归训练模型，对Hdis,sim,lbp,hist、Vdis,sim,lbp,hist、Ddis,sim,lbp,hist和 进行测试，预测得到Sdis的客观质量评价预测值，记为Q，Q＝f(x)， 其中，Q是x的函数，f()为函数表示形式，x为输入变量，x表示

Hdis,sim,lbp,hist、Vdis,sim,lbp,hist、Ddis,sim,lbp,hist和 (Wopt)T为Wopt的转置矢量， 为x的线性函数。

2.根据权利要求1所述的基于自相似度特征的无参考立体图像质量客观评价方法，其

特征在于所述的步骤③中的 其中，μdis表示{Cdis(x,y)}中的所

有像素点的像素值的均值，σdis表示{Cdis(x,y)}中的所有像素点的像素值的方差。

3.根据权利要求1或2所述的基于自相似度特征的无参考立体图像质量客观评价方法，

其特征在于所述的步骤④中的Hdis(x,y)＝Cdis,dnt(x,y)×Cdis,dnt(x,y+1)，Vdis(x,y)＝Cdis,dnt(x,y)×Cdis,dnt(x+1,y)，Ddis(x,y)＝Cdis,dnt(x,y)×Cdis,dnt(x+1,y+1)，其中，若1

(x,y)}中坐标位置为(x,y+1)的像素点的像素值，若y+1>H，则令Cdis,dnt(x,y+1)＝Cdis,dnt(x,H)，Cdis,dnt(x,H)表示{Cdis,dnt(x,y)}中坐标位置为(x,H)的像素点的像素值；若1W，则令Cdis,dnt(x+1,y)＝Cdis,dnt(W,y)，Cdis,dnt(W,y)表示{Cdis,dnt(x,y)}中坐标位置为(W,y)的像素点的像素值；若1H，则令Cdis,dnt(x+1,y+1)＝Cdis,dnt(x+1,H)，若x+1>W且1W且y+1>H，则令Cdis,dnt(x+1,y+1)＝Cdis,dnt(W,H)，Cdis,dnt(x+1,H)、Cdis,dnt(W,y+1)和Cdis,dnt(W,H)对应表示{Cdis,dnt(x,y)}中坐标位置为(x+1,H)、(W,y+1)和(W,H)的像素点的像素值；若1W且1≤y-1W且y-1<1，则令Cdis,dnt(x+1,y-1)＝Cdis,dnt(W,

1)，Cdis,dnt(x+1,1)、Cdis,dnt(W,y-1)和Cdis,dnt(W,1)对应表示{Cdis,dnt(x,y)}中坐标位置为(x+1,1)、(W,y-1)和(W,1)的像素点的像素值；上述，Cdis,dnt(x,y+1)＝Cdis,dnt(x,H)、Cdis,dnt(x+

1,y)＝Cdis,dnt(W,y)、Cdis,dnt(x+1,y+1)＝Cdis,dnt(x+1,H)、Cdis,dnt(x+1,y+1)＝Cdis,dnt(W,y+

1)、Cdis,dnt(x+1,y+1)＝Cdis,dnt(W,H)、Cdis,dnt(x+1,y-1)＝Cdis,dnt(x+1,1)、Cdis,dnt(x+1,y-1)＝Cdis,dnt(W,y-1)和Cdis,dnt(x+1,y-1)＝Cdis,dnt(W,1)中的“＝”为赋值符号。

4.根据权利要求3所述的基于自相似度特征的无参考立体图像质量客观评价

方法，其特征在于所述的步骤⑤中的

其中，C为控制参数，C＝0.0001。

5.根据权利要求4所述的基于自相似度特征的无参考立体图像质量客观评价方法，其

特征在于所述的步骤⑥中的局部二值化模式操作中的领域参数P取值为8，且局部半径参数

R取值为1。