论文部分内容阅读
随着多媒体信息技术的飞速发展,立体图像/视频带来了全新的娱乐方式,已经成为人们生活中的重要组成部分。然而,在实际应用中,我们很难获取到原始图像的信息。因此,无参考立体图像质量评价(No-Reference Stereoscopic Image Quality Assessment,NR-SIQA)是目前研究的重要课题。本学位论文从感知因素入手,通过融合图像的单双目信息建立了三种有效的立体图像评价模型。为了提高模型的泛化能力,建立了无监督立体图像质量评价算法。本文主要研究内容如下:(1)针对现有的立体图像质量评价模型没有充分考虑双目感知特征的问题,同时考虑到空域自然场景统计(Natural Scene Statistics,NSS)的低复杂度特性,提出一种基于空域NSS的无参考立体图像质量评价模型。该模型首先建立符合人眼视觉的改进型的独眼图模型;然后,通过提取独眼图和视差图的空域NSS特征来预测立体图像的质量。实验结果表明:对于phaseI库,准确性和单调性均大于0.94,说明该模型与主观感知较为一致。(2)针对单双目特征同时影响立体图像质量的问题,本文提取图像的梯度幅值(Gradient Magnitude,GM)特征和拉普拉斯(Laplacian of Gaussian,LOG)特征,通过融合双目特征建立了基于梯度幅值的无参考立体图像质量评价模型;由于人类视觉皮层神经元对图像的方向信息具有高度的敏感性,梯度方向传达信息与梯度幅度所携带的互补,提取梯度幅值特征、相对梯度方向(Relative Gradient Orientation,RO)和相对梯度幅值(Relative Gradient Magnitude,RM)特征,建立基于梯度方向的无参考立体图像质量评价模型。实验结果表明,对于Live立体库,两种模型的准确性和单调性均大于0.94,即两种客观模型能较准确地预测立体图像的质量。(3)针对支持向量回归(Support vector regression,SVR)中的惩罚因子和径向基函数的选取具有随机性的问题,提出了基于遗传算法(Genetic algorithm,GA)优化SVR的无参考立体图像质量评价模型。该算法首先提取立体图像的单双目特征;然后,建立GA优化SVR参数模型,即GA-SVR模型,选出最优参数组合;最后将选取的最优参数引入SVR中预估立体图像的质量。实验结果表明,与直接用SVR预测图像质量相比,本模型得到了较好的评价性能。(4)针对以上提出的模型泛化能力太弱的问题,本文提出了一种不需要人类主观评分值(Difference mean opinion score,DMOS)的无监督立体图像质量评价模型。该算法首先选取兴趣区域块并提取其局部特征,建立多元高斯分布(Multivariate Gaussian,MVG)模型;其次,用类似的方法建立测试图像的MVG模型;最后,通过计算测试图像和自然图像在统计规律上的偏差,利用增益控制模型得到最终的客观质量。实验结果表明:较于其他无监督模型,本模型的评价性能有了较显著的提高。