论文部分内容阅读
立体视频由于能够呈现生动真实的立体场景,并提供多样化的媒体交互功能,使得它能满足不同用户的需求,具有广阔的发展空间。无参考图像评价方法,作为视频系统的重要技术之一,具有非常重要的研究与实际应用价值。本文通过深入研究各类无参考图像质量评价方法及图像稀疏表示理论,并将二者统一起来,建立新的无参考立体图像质量评价模型。本文具体的研究内容如下:首先,本文介绍了无参考立体图像的研究方法及现状,并通过结合人类视觉系统,获取能够反映各类失真立体图像的特征。其次,根据对特征的分析,提出了两个评价方法。1)基于二维经验模式分解(Bidimensional Empirical Mode Decomposition,BEMD)的评价方法。先利用BEMD将图像分解成内蕴模式函数(Intrinsic Mode Function,IMF)分量,再提取它的均值,方差和信息熵,并结合广义高斯分布方法提取它的形状、尺度参数作为特征,然后利用支持向量回归(Support Vector Regression,SVR)进行融合并预测图像的客观值。2)基于双目能量响应的评价方法。先通过对失真的立体图像进行Gabor滤波,提取出图像不同频率、方向、视差响应下的局部特征矢量,作为立体图像特征信息,最后利用SVR得到图像客观值。最后,通过研究图像的稀疏表示理论,提出了两种评价方法。1)基于Gabor字典构造的评价方法。在训练阶段,通过特征聚类构造视觉字典和对应的视觉质量表;在测试阶段,通过计算各测试块的特征向量与视觉字典的最小欧式距离,并找出对应的视觉质量值进行加权,获得立体图像的客观评价预测值。2)基于快速字典构造的评价方法。主要分为两大部分:(1)对图像局部区域进行稀疏字典构造。(2)对图像全局区域进行稀疏字典构造。测试过程通过分别计算测试图像与图像局部区域、全局区域构造的字典的相似程度,并进行公式的整合获得图像的客观评价值。实验结果表明,该方法在对称、非对称立体图像库上均有较好的评价效果,且不需要复杂的学习过程,复杂度相对较低,能够较为准确的预测立体图像质量。