本发明公开了一种立体图像主观评价被试者数量及实验数据的确定方法,涉及立体图像质量主观评价领域,该方法包括:通过分析预处理数据,逆用置信区间公式确定主观评价被试者数量,从而缩短实验周期,节约成本;利用上述确定的合理数量的合格被试者进行主观评价实验,包括建立立体图像数据库、选择合理测试环境条件、根据标准选定被试者、实施被测试者训练与测试的流程,最终,根据图像质量主观评价标准规定和格鲁布斯检验法,淘汰异常被试者并合理筛选实验数据中的异常数据,避免了被试者和实验环境等不确定因素对实验结果准确性的影响。本方法在立体图像质量主观评价的基础上,从概率统计的角度出发,提高了实验数据结果的准确性。
1.一种立体图像主观评价被试者数量及实验数据的确定方法,其特征在于,所述方法包括以下步骤:(1)选取n名被试者进行立体图像质量预评价,得到主观评价分数,计算平均值和标准偏差;(2)根据所需精确度和置信度的要求,通过逆用置信区间公式,迭代运算得到主观实验实际需要的被试者数量N;(3)选取N名被试者进行立体图像质量主观评价,计算每幅测试图像评价分数的平均值和标准差;(4)根据每幅测试图像评价分数的平均值和标准差是否满足正态分布,采用不同的评判分数异常的阈值p_i和q_i,计算得到评判异常数据的指标ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="58"/>和ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="93"/>通过比较,淘汰异常被试者;(5)采用格鲁布斯检验法筛选出每幅测试图像评价分数中的异常数据;(6)利用筛选后的不存在异常的被试者和数据,计算得出每幅测试图像的全部正常实验数据的平均值得到最终的主观评价结果;其中,所述被试者数量确定具体为:N=(t²S²)/(r²mean²)xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0(1)其中,r表示可接受的相对百分偏差,mean、S分别表示少量被试者对单幅立体图像质量进行预评价的主观评价分数的平均值和标准偏差,t取初值1.96,代入公式(1)计算出被试者数量N的初值,再用对应于N初值的t值代入公式(1)计算N值,不断迭代,直至计算出的N值不再发生变化,即被试者数量;其中,所述采用格鲁布斯检验法筛选出每幅测试图像评价分数中的异常数据具体为:首先,将每幅测试图像的评价分数以升序方式进行排列;根据公式(2)和(3)计算参数α_i和γ_i,α_i=(x_imax-u_i)/S_ixa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0(2)γ_i=(u_i-x_imin)/S_ixa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0(3)其中,x_imax和x_imin分别表示第i幅测试图像的全部评价分数中的最大值和最小值;u_i和S_i分别表示第i幅测试图像评价分数的平均值与标准差;最后,通过查临界值表获得对应被试者数量和置信度为95%的临界值G,若α_i>G,则淘汰异常数据x_imax,若γ_i>G,则淘汰异常数据x_imin;最后,重复上述检验步骤直至实验数据中不再存在异常数据;其中,采用不同的评判分数异常的阈值p_i和q_i,计算得到评判异常数据的指标ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="62"/>和ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="88"/>通过比较,淘汰异常被试者的步骤具体为:对于每幅测试图像,计算被试者评判分数是否异常的阈值p_i和q_i,若评价分数符合正态分布,则利用公式(4)和(5)计算;否则,利用公式(6)和(7)计算,p_i=u_i+2S_ixa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0(4)q_i=u_i-2S_ixa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0(5) p i = u i + 20 S i - - - ( 6 ) ]]> q i = u i - 20 S i - - - ( 7 ) ]]> 根据公式(8)和公式(9)计算评判异常数据的指标ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="60"/>和ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="91"/>若ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="186"/>且ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="201"/>则淘汰第j名被试者的所有评价数据,反之,保留评价数据; R j 1 = 1 I ( P j + Q j ) - - - ( 8 ) ]]> R j 2 = | P j - Q j P j + Q j | - - - ( 9 ) ]]> 其中,u_i和S_i分别表示第i幅测试图像评价分数的平均值与标准差;对第j名被试者对所有测试图像的评判分数进行分类,得到评判两类情况的计量参数P_j和Q_j。技术领域
本发明涉及立体图像领域,尤其涉及一种立体图像主观评价被试者数量及实验数据的确定方法。
背景技术
目前,立体成像技术已被各个行业广泛应用。该技术包括立体图像的采集、压缩、传输、处理和显示,因此,如何利用立体图像质量评价方法衡量立体成像在这些过程中产生的图像损伤程度,已成为立体成像技术领域的研究热点之一。立体图像质量评价分为主观评价和客观评价两类,相对于客观评价方法,主观评价方法是直接利用人评判立体图像质量,能够更直观、更准确地反映立体图像的真实质量。主观质量评价必须经过诸多环节,主要包括立体图像数据库的建立、测试环境条件的选择、被试者的选定、训练与测试流程、实验数据的筛选与处理等。然而,实验环境和被试者状态的不确定性等因素,均会直接影响主观评价实验数据的准确性和精确性,同时,被试者的数量会直接影响实验测试时间和主观实验成本。因此,提出一套切实可行的被试者数量确定的方法和实验数据筛选的方法至关重要。近年来,已有国内外学者开始对立体图像质量主观评价方案进行研究。国际电信联盟ITU在平面图像质量主观评价标准ITU-Rxa0BT.500-11的基础上提出了立体电视图像主观评价标准ITU-Rxa0BT.1438^[1],对实验环境、测试源、被试者和测试流程进行了简单而笼统的介绍;文献[2]、[3]、[4]从观看条件、观看人员、测试方法等方面定义主观评价方案;文献[5]提出的主观评价方法中建立了包含经压缩和加噪降质的立体图像库;文献[6]从主观方面分析了影响立体感知质量的各种因素,并论述了现有的各个立体图像数据库的特点;文献[7]从建立立体图像数据库、被试者的选择、实验条件、被试者的训练及测试等方面建立了一个较完善的立体图像质量主观评价方案。与立体图像质量主观评价方案不同的是,文献[8]通过软件编程实现了一个人机交互的立体视频质量主观测试系统;文献[9]提出的立体视频质量主观评价方法中采用SPSS工具进行数据处理和比较。此外,立体图像质量主观评价方法往往用于研究与立体成像相关的各个因素和特性,文献[10]通过主观实验探讨了右视图质量和视差图质量对深度感知的影响;文献[11]通过主观实验探讨亮度与立体感知的关系。发明人在实现本发明的过程中发现,现有技术的主要缺点如下:目前,对于立体图像的主观评价方案尚无统一的标准,同时在建立或使用的立体图像质量主观评价方案中均未对被试者数量确定的方法和实验数据的筛选方法作具体规定,而被试者数量和实验数据的准确性直接决定了主观实验的复杂度、实验成本及实验结果的准确性,也是影响主观评价分值的重要因素。
发明内容
本发明提供了一种立体图像主观评价被试者数量及实验数据的确定方法,本方法提高了与主观评价结果的正确性,详见下文描述:一种立体图像主观评价被试者数量及实验数据的确定方法,所述方法包括以下步骤:(1)选取n名被试者进行立体图像质量预评价,得到主观评价分数,计算平均值和标准偏差;(2)根据所需精确度和置信度的要求,通过逆用置信区间公式,迭代运算得到主观实验实际需要的被试者数量N;(3)选取N名被试者进行立体图像质量主观评价,计算每幅测试图像评价分数的平均值和标准差;(4)根据每幅测试图像评价分数是否满足正态分布,采用不同的评判分数异常的阈值p_i和q_i,计算得到评判异常数据的指标ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="58"/>和ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="83"/>通过比较,淘汰异常被试者;(5)采用格鲁布斯检验法筛选出每幅测试图像评价分数中的异常数据;(6)利用筛选后的不存在异常的被试者和数据,计算得出每幅测试图像的全部正常实验数据的平均值得到最终的主观评价结果。所述被试者数量确定具体为:N=(t²S²)/(r²mean²)xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0(1)其中,r表示可接受的相对百分偏差,mean、S分别表示少量被试者对单幅立体图像质量进行预评价的主观评价分数的平均值和标准偏差,t取初值1.96,代入公式(1)计算出被试者数量N的初值,再用对应于N初值的t值(查t分布表可得)代入公式(1)计算N值,不断迭代,直至计算出的N值不再发生变化,即被试者数量。所述采用格鲁布斯检验法筛选出每幅测试图像评价分数中的异常数据具体为:首先,将每幅测试图像的评价分数以升序方式进行排列;根据公式(2)和(3)计算参数α_i和γ_i,α_i=(x_imax-u_i)/S_ixa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0(2)γ_i=(u_i-x_imin)/S_ixa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0(3)其中,x_imax和x_imin分别表示第i幅测试图像的全部评价分数中的最大值和最小值;u_i和S_i分别表示第i幅测试图像评价分数的平均值与标准差;最后,通过查临界值表获得对应被试者数量和置信度为95%的临界值G,若α_i>G,则淘汰异常数据x_imax,若γ_i>G,则淘汰异常数据x_imin;最后,重复上述检验步骤直至实验数据中不再存在异常数据。本发明提供的技术方案的有益效果是:本方法完善了立体图像质量主观评价方案,与现有技术中相比,本方法着重研究了被试者数量确定和实验数据筛选的方法。实验结果表明,本方法切实可行,既保证了实验结果的可靠性,又节省了实验资源,提高了与主观评价结果的正确性。
附图说明
图1为girl参考图像的左和右视点;图2为family参考图像的左和右视点;图3为boy参考图像的左和右视点;图4为flower参考图像的左和右视点;图5为tree参考图像的左和右视点;图6为river参考图像的左和右视点;图7为立体图像质量主观评价方案流程图;图8为3Dxa0WINDOWS-19A0型计算机立体成像设备。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面对本发明实施方式作进一步地详细描述。为了提高与主观评价结果的正确性,本发明实施例提供了一种立体图像主观评价被试者数量及实验数据的确定方法,参考立体图像的左、右视点如图1~6所示,主观评价方案流程参见图7,详见下文描述:101:选取n名被试者进行立体图像质量预评价,得到主观评价分数,计算平均值和标准偏差;首先,利用较为完善的立体图像质量主观评价系统对选取的n名少量被试者进行预测试,包括建立立体图像数据库、确定观看条件、根据标准选定被试者、进行训练与测试^[7],最终得到n名被试者对单幅立体图像质量进行预评价的主观评价分数{x₁,x₂,...x_n},根据公式(1)和公式(2)分别计算它们的均值和标准偏差, mean = 1 n Σ i = 1 n x i - - - ( 1 ) ]]> S = 1 n - 1 Σ i = 1 n ( x i - mean ) 2 - - - ( 2 ) ]]> 102:根据所需精确度和置信度的要求,通过逆用置信区间公式,迭代运算得到主观实验实际需要的被试者数量N;根据公式(3)计算被试者数量N,N=(t²S²)/(r²mean²)xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0(3)其中,r表示可接受的相对百分偏差,mean、S分别表示少量被试者对单幅立体图像质量进行预评价的主观评价分数的平均值和标准偏差;t首先取初值1.96,代入公式(3)计算出被试者数量N的初值,然后,再用对应于N初值的t值(查t分布表可得)代入公式(3)计算N值,不断迭代,最后,直至计算出的N值不再发生变化,即被试者数量。103:选取N名被试者进行立体图像质量主观评价,计算每幅测试图像评价分数的平均值和标准差;首先,假定共使用I幅测试图像,根据上述计算设定参与主观实验的被试者N名,通过较为完善的立体图像质量主观评价系统再次进行测试,x_i,j表示第j名被试者对第i幅测试图像的评价分数,计算每幅测试图像评价分数的平均值和标准差,如公式(4)和公式(5), u i = 1 N Σ j = 1 N x i , j - - - ( 4 ) ]]> S i = 1 N - 1 Σ j = 1 N ( u i - x i , j ) 2 - - - ( 5 ) ]]> 其中,u_i和S_i分别表示第i幅测试图像评价分数的平均值与标准差。104:根据每幅测试图像评价分数是否满足正态分布,采用不同的评判分数异常的阈值p_i和q_i,计算得到评判异常数据的指标ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="60"/>和ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="82"/>通过比较,淘汰异常被试者;首先,分别根据公式(6)和(7)计算第i幅测试图像评价分数的二阶矩和四阶矩,得出第i幅测试图像评价分数的峰度系数,如公式(8),根据ITU-Rxa0BT.500-11的要求,若2≤β_2i≤4,则第i幅测试图像的评价结果为正态分布;否则,为非正态分布。 m 2 i = 1 N Σ j = 1 N ( x i , j - u i ) 2 - - - ( 6 ) ]]> m 4 i = 1 N Σ j = 1 N ( x i , j - u i ) 4 - - - ( 7 ) ]]> β 2 i = m 4 i / m 2 i 2 - - - ( 8 ) ]]> 对于每幅测试图像,计算被试者评判分数是否异常的阈值p_i和q_i,若评价分数符合正态分布,则利用公式(9)和(10)计算;否则,利用公式(11)和(12)计算,p_i=u_i+2S_ixa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0(9)q_i=u_i-2S_ixa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0(10) p i = u i + 20 S i - - - ( 11 ) ]]> q i = u i - 20 S i - - - ( 12 ) ]]> 然后,对第j名被试者对所有测试图像的评判分数进行分类,得到评判两类情况的计量参数P_j和Q_j。即设初始值均为0,将第j名被试者的全部评价分数x_i,j(i=1,2,...,I)分别与对应测试图像的p_i、q_i进行比较;如果第i幅测试图像的评价分数符合正态分布,则根据公式(9)和(10)判断,若x_i,j≥p_i,则P_j=P_j+1,若x_i,j≤q_i,则Q_j=Q_j+1;否则,根据公式(11)和(12)判断。最后,根据公式(13)和公式(14)计算评判异常数据的指标ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="56"/>和ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="94"/>若ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="194"/>且ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="211"/>则淘汰第j名被试者的所有评价数据,反之,保留评价数据。 R j 1 = 1 I ( P j + Q j ) - - - ( 13 ) ]]> R j 2 = | P j - Q j P j + Q j | - - - ( 14 ) ]]> 105:采用格鲁布斯检验法筛选出每幅测试图像评价分数中的异常数据;首先,将每幅测试图像的评价分数以升序方式进行排列,得出第i幅测试图像的全部评价分数中的最大值和最小值为x_imax和x_imin,根据公式(15)和(16)计算参数α_i和γ_i,其中,u_i和S_i分别表示第i幅测试图像评价分数的平均值与标准差。α_i=(x_imax-u_i)/S_ixa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0(15)γ_i=(u_i-x_imin)/S_ixa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0xa0(16)最后,通过查临界值表获得对应被试者数量和置信度为95%的临界值G,若α_i>G,则淘汰异常数据x_imax,若γ_i>G,则淘汰异常数据x_imin。之后,重复上述检验步骤直至实验数据中不再存在异常数据。106:利用筛选后的不存在异常的被试者和数据,计算得出每幅测试图像的全部正常实验数据的平均值(即MOS值)得到最终的主观评价结果。根据公式(17)计算每幅测试图像的全部正常实验数据的平均值(即MOS值)得到最终的主观评价结果。 MOS i = 1 K Σ j = 1 K x i , j - - - ( 17 ) ]]> 其中,MOS_i表示第i幅图像的主观评价值,K表示最终正常被试者的数量,x_i,j表示第j名被试者对第i幅图像的评价分数。为了验证本方法所提出的被试者数量确定算法和实验数据筛选算法,本方法对JPEG压缩失真及随机噪声、高斯噪声失真的图像进行了主观评价,下面简单介绍实验过程:本方法选取了48幅测试图像用于确定被试者数量的预测试,其中包括girl、family、boy、flower、tree和river六个场景,它们分别经85%、65%、45%、25%、15%、5%的JPEG压缩及添加随机噪声、高斯噪声;六幅参考立体图像左右视点图像如图1~6所示,实验数据由天津大学宽带无线通信与立体成像研究所提供。根据ITU-Rxa0BT.1438[1]标准规定,实验采用DSIS(Double-Stimulusxa0Impairmentxa0Scale,双刺激损伤标度法),招募15名视觉功能和立体视觉均正常的被试者参加预测试,观看设备为3DWINDOWS-19A0(19英寸,1280×1024),如图8,实验室亮度为极弱,按照DSIS评分标准对失真图像的质量进行打分,每次被试者的训练和测试的总时间不能超过30分钟。结果验证:本实施例将利用本专利介绍的被试者数量确定算法计算不同测试图像需要的被试者数量(具体结果见表1和表2),其中,设定置信度为95%,由于质量较差图像的评价分数波动性较大,因此将平均评价分数大于3的预测试图像的可接受百分偏差r设为5%,其它图像设为8%。表1和表2分别展示了经JPEG压缩和添加噪声的测试场景的部分实验数据,经观察可知,被试者数量与场景内容、图像处理方式和图像损伤程度有关。通过被试者数量确定算法的计算,对于本专利所建立的立体图像数据库,选择30名被试者参与主观评价实验,既满足绝大多数测试图像对被试者数量的要求,保证了实验结果的准确性和可靠度,又不会因被试者数量过大导致实验资源的浪费。为进一步验证本方法的正确性以及30名被试者可以确保本实验结果的准确性,本方法增加被试者数量至35名对部分测试图像进行主观评价实验,发现实验结果与30名被试者所测结果非常接近,具体见表1和表2。表1关于压缩图像的算法验证结果 ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="700"/> 表2关于加噪图像的算法验证结果 ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="700"/> 通过本方法淘汰异常、可疑的被试者和实验数据,从而使实验结果更加准确、可靠。为了验证该实验数据筛选方法的正确性和有效性,本实施例将主观实验的最终评价结果MOS值与被淘汰被试者的部分评价分数进行比较,具体见表3。观察可知,被淘汰被试者的评价分数与主观实验的最终MOS值均相差1.5分以上,偏离了大多数被试者的评价分数范围,将影响主观评价结果的准确性,从而验证了本专利实验数据筛选方法的正确性。因此,本方法能够正确确定被试者数量以及筛选实验数据,保证了实验结果的可靠性,节约了实验资源,淘汰异常、可疑的实验值,从而保证实验结果的一致性。表3关于数据筛选算法的验证结果 ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="700"/> 参考文献:[1]Internationalxa0Telecommunicationxa0Union(ITU),Recommendationxa0ITU-Rxa0BT.1438,Subjectivexa0assessmentxa0ofxa0stereoscopicxa0televisionxa0pictures[S],2000.[2]W.J.Tam,G.Alain,L.Zhang,etxa0al.Smoothingxa0depthxa0mapsxa0forxa0improvedxa0stereoscopicxa0imagexa0quality[C].Three-Dimensionalxa0TV,Videoxa0andxa0DisplayIII,Philadelphia,PA,USA,2004.[3]Xuxa0Wang,Meixa0Yu,Youxa0Yang,etxa0al.Researchxa0onxa0subjectivexa0stereoscopicxa0imagexa0qualityxa0assessment[C].Multimediaxa0Contentxa0Access:Algorithmsxa0andxa0SystemsIII,Sanxa0Jose,CA,Unitedxa0States,2009.[4]CHENGxa0Yu-qingxa0andxa0JIANGxa0Xiu-hua.Latestxa0researchxa0resultxa0ofxa0subjectivexa0andxa0objectivexa0evaluationxa0methodologyxa0forxa0thexa0videoxa0qualityxa0of3DTV[J].Journalxa0ofxa0communicationxa0universityxa0ofxa0China(sciencexa0andxa0technology).2012,19(1):31-36.[5]Junmingxa0Zhou,Gangyixa0Jiangxa0andxa0Xiangyingxa0Mao.Subjectivexa0qualityxa0analysesxa0ofxa0stereoscopicxa0imagesxa0in3DTVxa0system[C],IEEExa0Visualxa0Communicationsxa0andxa0Imagexa0Processing(VCIP),Tainan:2011,1~4[6]周武杰,郁梅,周俊明,等,立体图像质量评价方法研究[C],2010年中国通信国际会议,南宁:2010[7]张英静,李素梅,卫津津,等,立体图像质量的主观评价方案[J],光子学报,2012,41(5):602~607[8]NukhetOzbek,GizemErtanxa0andxa0OktayKarakus.Interactivexa0qualityxa0assessmentxa0forxa0asymmetricxa0codingxa0of3Dxa0video[C],3DTVxa0Conference:Thexa0Truexa0Vision-Capture,Transmissionxa0andxa0Displayxa0of3Dxa0Video(3DTV-CVON),Antalya:2011,1~4[9]A.S.Umar,R.M.Swashxa0andxa0A.H.Sadka,Subjectivexa0qualityxa0assessmentxa0of3Dxa0videos[C],2011AFRICON,Livingstone,Zambia:2011:1~6[10]ChaohuiLv,Jingweixa0Huangxa0andxa0YinghuaShen,Subjectivexa0assessmentxa0ofxa0noisedxa0stereoxa0images[C],Internationalxa0Conferencexa0onxa0Multimediaxa0Technology(ICMT),Hangzhou,China:2011,783~785[11]Mahsaxa0T.Pourazad,Zicongxa0Mai,PanosNasiopoulos,etxa0al,Effectxa0ofxa0brightnessxa0onxa0thexa0qualityxa0ofxa0visual3Dxa0perception[C],201118thxa0IEEExa0Internationalxa0Conferencexa0onxa0Imagexa0Processing(ICIP),Brussels:2011,989~992本领域技术人员可以理解附图只是一个优选实施例的示意图,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。