1.一种无参考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；

所述的训练阶段过程的具体步骤如下：

①_1、选取N幅原始的无失真立体图像，将第u幅原始的无失真立体图像记为 将 的左视点图像和右视点图像对应记为 和 然后根据N幅原始的无失真立体图像获取训练图像集，记为 再将重新记为 其中，N>1，u的初始值为1， 表示由

对应的在第p个左视点失真强度下的失真左视点图像与 对应的在针对第p个左视点失真强度选取的第q个右视点失真强度下的失真右视点图像构成的失真立体图像，Mu,p,q表示 的分类标签，Mu,p,q∈{-1,1}，P表示选取的各不相同的左视点失真强度的总个数，P>

1，Q表示针对每个左视点失真强度选取的各不相同的右视点失真强度的总个数，针对每个左视点失真强度选取的第1个右视点失真强度与该左视点失真强度相同，Q>1，p的初始值为

1，q的初始值为1， 表示 中的第g幅失真立体图

像，Mg表示 的分类标签，Mg∈{-1,1}，g的初始值为1；

①_2、采用3种不同的自然场景统计方法获取

中的每幅失真立体图像的失真左视点图像和失真右视点图像各自的图像特征矢量，将的失真左视点图像和失真右视点图像各自的图像特征矢量对应记为 和 然后将中的所有失真立体图像各自的失真左视点图像的图像特征矢量按序构成的集合记为 并将

中的所有失真立体图像各自的失真右视点图像的图像特征矢量按序构成的集合记为其中， 和 的维数均为84×1；

采用6种不同的全参考图像质量评价方法获取

中的每幅失真立体图像的失真左视点图像和失真右视点图像各自的图像质量矢量，将的失真左视点图像和失真右视点图像各自的图像质量矢量对应记为 和 然后将中的所有失真立体图像各自的失真左视点图像的图像质量矢量按序构成的集合记为 并将

中的所有失真立体图像各自的失真右视点图像的图像质量矢量按序构成的集合记为其中， 和 的维数均为6×1；

将 中的所有分类标签按序构成的集合记为{Mg

|1≤g≤N×P×Q}；

①_3、采用K-SVD方法求解 ，

获得 的左视点图像特征字典表、左视点图像质量

字典表、右视点图像特征字典表、右视点图像质量字典表及变换矩阵，对应记为及W；其中， 和 的维数均为84×K， 和 的维数均为6×K，W的维数为1×K，K表示设定的字典的个数，K≥1，min{}为取最小值函数，符号“|| ||F”为求取矩阵的弗罗贝尼乌斯范数-范数符号，符号“|| ||1”为求取矩阵的1-范数符号，XL,dis的维数为84×(N×P×Q)，对应为 中的第1个图像特征矢量、第2

L,dis

个图像特征矢量、…、第g个图像特征矢量、…、第N×P×Q个图像特征矢量，Y 的维数为6×(N×P×Q)， 对应为 中的第1个图像质量矢量、第2个图像质量矢量、…、第g个图像

质量矢量、…、第N×P×Q个图像质量矢量，XR,dis的维数为84×(N×P×Q)，对应为

中的第1个图像特征矢量、第2个图像特征矢量、…、第g个图像特征矢量、…、第N×P×Q个图像特征矢量，YR,dis的维数为6×(N×P×Q)，对应为 中的第1个图像质量矢量、第2

个图像质量矢量、…、第g个图像质量矢量、…、第N×P×Q个图像质量矢量，Z的维数为1×(N×P×Q)，Z＝[M1,M2,…,Mg,…,MN×P×Q]，M1,M2,…,Mg,…,MN×P×Q对应为{Mg|1≤g≤N×P×Q}中的第1个分类标签、第2个分类标签、…、第g个分类标签、…、第N×P×Q个分类标签，A表示稀疏系数矩阵，A的维数为K×(N×P×Q)，A＝[a1,a2,…,ag,…,aN×P×Q]，a1,a2,…,ag,…,aN×P×Q对应为A中的第1个列向量、第2个列向量、…、第g个列向量、…、第N×P×Q个列向量，a1,a2,…,ag,…,aN×P×Q的维数均为K×1，符号“[]”为矢量表示符号，α和β均为加权参数，λ为拉格朗日参数；

所述的测试阶段过程的具体步骤如下：

②_1、对于任意一幅测试立体图像Stest，按照步骤①_2中获取 和 的过程，以相同的操作获取Stest的失真左视点图像和失真右视点图像各自的图像特征矢量，对应记为和 其中， 和 的维数均为84×1；

②_2、根据在训练阶段过程获得的 和 估计 和 的稀疏系数矩阵， 和 的稀疏系数矩阵相同，并记为 是采用K-SVD方法求解

得到的；其中，的维数为K×1，min{}为取最小值函数，符号“|| ||F”为求取矩阵的弗罗贝尼乌斯范数-范数符号，符号“|| ||1”为求取矩阵的1-范数符号，λ为拉格朗日参数；

②_3、根据在训练阶段过程获得的 估计Stest的失真左视点图像的图像质量矢量，记为 并根据在训练阶段过程获得的 估计Stest的失真右视点图像的图像质量矢量，记为 其中， 和 的维数均为6×1；

②_4、计算Stest的图像质量客观评价预测值，记为Quality，

其中，ωL表示Stest的失真左视点图像的质量加权系数，

ωR表示Stest的失真右视点图像的质量加权系数，

exp()表示以自然基数e为底的指数函数，符号“|| ||2”为求取矩阵的2-范数符号。

2.根据权利要求1所述的一种无参考立体图像质量评价方法，其特征在于所述的步骤①_1中的训练图像集 的获取过程为：①_1a、选取P个各不相同的左视点失真强度，并将第p个左视点失真强度定义为当前左视点失真强度；

①_1b、针对当前左视点失真强度选取Q个值大于或等于当前左视点失真强度且各不相同的右视点失真强度；并将当前待处理的第u幅原始的无失真立体图像 定义为当前无失真立体图像；其中，针对当前左视点失真强度选取的第1个右视点失真强度与当前左视点失真强度相同；

①_1c、采用当前左视点失真强度对 进行失真处理，得到 对应的在当前左视点失真强度下的失真左视点图像，记为 并采用针对当前左视点失真强度选取的Q个右视点失真强度分别对 进行失真处理，得到 对应的在针对当前左视点失真强度选取的每个右视点失真强度下的失真右视点图像，将 对应的在针对当前左视点失真强度选取的第q个右视点失真强度下的失真右视点图像记为①_1d、将 和 对应的在针对当前左视点失真强度选取的每个右视点失真强度下的失真右视点图像构成一幅失真立体图像；然后将 和 对应的在针对当前左视点失真强度选取的第1个右视点失真强度下的失真右视点图像 构成的失真立体图像作为对应的参考失真立体图像，记为 并将 和 对应的在针对当前左视点失真强度选取的除第1个右视点失真强度外的其余每个右视点失真强度下的失真右视点图像构成的失真立体图像作为 对应的测试失真立体图像，将 和 对应的在针对当前左视点失真强度选取的第q'个右视点失真强度下的失真右视点图像 构成的失真立体图像记为 其中，q'的初始值为2，2≤q'≤Q；

①_1e、直接将 对应的参考失真立体图像 的分类标签确定为1；并利用主观实验对 对应的参考失真立体图像 和 对应的每幅测试失真立体图像进行测试，确定对应的每幅测试失真立体图像的分类标签；对于 和 利用主观实验对 和进行测试，如果判定为两者的立体视觉发现明显的变化，则将 的分类标签确定为

1，如果判定为两者的立体视觉未发现明显的变化，则将 的分类标签确定为-1；

①_1f、令u＝u+1，将下一幅待处理的原始的无失真立体图像 作为当前无失真立体图像，然后返回步骤①_1c继续执行，直至N幅原始的无失真立体图像处理完毕，再执行步骤①_1g；其中，u＝u+1中的“＝”为赋值符号；

①_1g、令p＝p+1，将选取的下一个左视点失真强度作为当前左视点失真强度，然后返回步骤①_1b继续执行，直至选取的P个各不相同的左视点失真强度遍历完毕，得到每幅原始的无失真立体图像对应的P×Q幅质量各不相同的失真立体图像；其中，p＝p+1中的“＝”为赋值符号；

①_1h、将N幅原始的无失真立体图像、N幅原始的无失真立体图像对应的共N×P×Q幅失真立体图像及N×P×Q幅失真立体图像各自的分类标签构成训练图像集

3.根据权利要求1或2所述的一种无参考立体图像质量评价方法，其特征在于所述的步骤①_2中的3种不同的自然场景统计方法分别为BLIINDS-II方法、BRISQUE-L方法和SRNSS方法；

所述的步骤①_2中的 的获取过程为：采用BLIINDS-II方法获取 的失真左视点图像的维数为24×1的第一图像特征矢量，并采用BRISQUE-L方法获取 的失真左视点图像的维数为36×1的第二图像特征矢量，采用SRNSS方法获取 的失真左视点图像的维数为

24×1的第三图像特征矢量；然后将 的失真左视点图像的第一图像特征矢量、第二图像特征矢量和第三图像特征矢量按序组合成 的失真左视点图像的图像特征矢量所述的步骤①_2中的 的获取过程为：采用BLIINDS-II方法获取 的失真右视点图像的维数为24×1的第一图像特征矢量，并采用BRISQUE-L方法获取 的失真右视点图像的维数为36×1的第二图像特征矢量，采用SRNSS方法获取 的失真右视点图像的维数为

24×1的第三图像特征矢量；然后将 的失真右视点图像的第一图像特征矢量、第二图像特征矢量和第三图像特征矢量组合成 的失真右视点图像的图像特征矢量

4.根据权利要求1或2所述的一种无参考立体图像质量评价方法，其特征在于所述的步骤①_2中的6种不同的全参考图像质量评价方法分别为SSIM、MS-SSIM、FSIM、IW-SSIM、VIF和GMSD全参考图像质量评价方法。

5.根据权利要求1或2所述的一种无参考立体图像质量评价方法，其特征在于所述的步骤①_2中的 的获取过程为：采用6种不同的全参考图像质量评价方法分别获取 的失真左视点图像的客观评价预测值，共得到 的失真左视点图像对应的6个客观评价预测值；然后将 的失真左视点图像对应的6个客观评价预测值按序组合成 的失真左视点图像的图像特征矢量所述的步骤①_2中的 的获取过程为：采用6种不同的全参考图像质量评价方法分别获取 的失真右视点图像的客观评价预测值，共得到 的失真右视点图像对应的6个客观评价预测值；然后将 的失真右视点图像对应的6个客观评价预测值按序组合成 的失真右视点图像的图像特征矢量

6.根据权利要求1所述的一种无参考立体图像质量评价方法，其特征在于所述的步骤①_3中的K的取值与 中的失真立体图像的失真类型有关，当失真类型为JPEG失真时取K＝90，当失真类型为高斯模糊失真时取K＝78，当失真类型为高斯白噪声失真时取K＝100。

7.根据权利要求6所述的一种无参考立体图像质量评价方法，其特征在于所述的步骤①_3中的α和β的取值与 中的失真立体图像的失真类型有关，当失真类型为JPEG失真时取α＝1.18和β＝3.35，当失真类型为高斯模糊失真时取α＝0.64和β＝2.25，当失真类型为高斯白噪声失真时取α＝1.69和β＝4.41。

8.根据权利要求7所述的一种无参考立体图像质量评价方法，其特征在于所述的步骤①_3和所述的步骤②_2中取λ＝0.15。

9.根据权利要求1所述的一种无参考立体图像质量评价方法，其特征在于所述的步骤②_1中的 的获取过程为：采用BLIINDS-II方法获取Stest的失真左视点图像的维数为24×1的第一图像特征矢量，并采用BRISQUE-L方法获取Stest的失真左视点图像的维数为36×

1的第二图像特征矢量，采用SRNSS方法获取Stest的失真左视点图像的维数为24×1的第三图像特征矢量；然后将Stest的失真左视点图像的第一图像特征矢量、第二图像特征矢量和第三图像特征矢量按序组合成Stest的失真左视点图像的图像特征矢量所述的步骤②_1中的 的获取过程为：采用BLIINDS-II方法获取Stest的失真右视点图像的维数为24×1的第一图像特征矢量，并采用BRISQUE-L方法获取Stest的失真右视点图像的维数为36×1的第二图像特征矢量，采用SRNSS方法获取Stest的失真右视点图像的维数为

24×1的第三图像特征矢量；然后将Stest的失真右视点图像的第一图像特征矢量、第二图像特征矢量和第三图像特征矢量组合成Stest的失真右视点图像的图像特征矢量