第5期 姜峰，等：基于感知视觉重要性的立体图像质量评价 417 的先验部分.而A(u,)的平均频谱A（u,v)可以用 (步长从1到4000)以得到最好的增益，在客观分 局部滤波器来近似A(u,)的形状： 数和主观分数之间的相关系数值最大时，就可得到 A (u,v)=h (u,v)*L(u,v). 该尺度的3个权值，每个尺度上都是这样训练得到 滤波器hn(u,)的矩阵表达形式如式(4)： 权值.本文在LVE数据库中抽取各种失真类型和 1 不同失真程度的150幅图像进行实验， H(u 通过分别分析4个尺度上的-SSM、⊙-SSM、 BI-SSM与主观分数之间相关系数的散点图得出最 1 优的T,「，、6值，其训练的结果如表1所示.实验结 综上，频谱冗余R(u,v)为 果表明，在显著区域且劣质区域的权值比仅是显著 R(u,v)=L(u,v)-A1(u,). 区域或者仅是劣质区域的权值高 此时频谱冗余意味着图像中的新颖部分，即显著部 表1不同尺度上的，，值 分.之后再通过反傅里叶变换得到显著图S(x,y), Table 1 The r,,r,and r with different scales 如式(5)： 模型 尺度1 尺度2 尺度3 尺度4 S(x,y）=g(x,y）*乎[exp(R(u,）+P(u,w)]2. -SSIM 28 3 1 (5) -SSIM 20 2 1 2 式中：g(x,y)是一个高斯滤波器，目的是通过平滑 BI-SSIM 40 > 6 产生较好的视觉效果，显著图突出了吸引人眼注意 因此，视觉重要性模型为 的物体，为了检测显著图中的前物体，可采用阈值的 (x,）=10(,）+,2y,)+ 方法，则前物体图O(x,y)定义为： 亚(x,y） 0(x,y)={0, r1,S(x,y)>T; @(x,2B(x,y）}/3. 其他. B(x,y) 式中：T=E(S(x,y))×3. 2.2.2劣质图像模型 武中0(，》=文x点名0(，).(》 在观看图像时，劣质区域同内容重要区域一样 1 1兰兰B(x,y). MXN三，），B(x,）=MXN,B 能吸引人的注意.在本文中，劣质图像区域的确定采 2.3感知视觉方法 用基于百分比的模型].参考图像和失真图像经过 感知视觉方法主要由以下4个步骤实现： SSIM获得的质量图SSM_map进行从小到大排序， 1)通过参考图像和失真图像计算出SSIM中的 若像素值f(x,y)落入前p%的集合范围内，就标 质量图； 记为图像劣质，其值为1，否则为0.将前p%的值的 2)再通过参考图像计算出JND值，消除视觉的 集合定义为集合A,则图像劣质图V(x,y)定义为： (x,y）=,aa(x,)eA: 感知冗余，突出失真区域； 3)通过显著区域和劣质区域来计算视觉重要 0,其他. 性模型VS; 2.2.3视觉重要性模型 4)最后融合到多尺度SSIM中得到最终的质量 由于提取视觉重要性的时候将图像分为4个部 评价结果。 分区域：既是显著区域又是劣质区域、仅是显著区 设M为最高的尺度，M的值取为5，w.:为第j个 域、仅是劣质区域、既不是显著区域又不是劣质区域 尺度上的VS图在空间位置i的值.则对于j=1,2,…, 因此，可以提取既是显著又是劣质的图像区域，其被定 M-1时，第j个尺度的PVSSIM的定义如式(6)： 义为双边重要区域(both importance map,BI map): B(,)=0(x,)=1,,)=1: F)=x) (6) 0,其他. ∑9a 同理，定义⊙(x,y)为仅有显著区域没有劣质区 当j=M时，第j个尺度的PVSSIM的定义如式(7)： 域，x,y)为仅有劣质区域没有显著区域将以上3个 部分的区域分别赋予不同的权值，⊙(x,y)的权值，≥ Ra)=是∑)x(3.)×s3.人 1,x,y)的权值r,≥1，B(x,y)的权值r≥1. (7) 根据不同区域赋予不同的权值，权值被训练 式中：l(X.,Y.i)、c(X.i,Yd)和s(Xi,Y)分别为