一种基于机器学习的立体图像质量客观评价模型
立体图像质量评价是评价立体视频系统性能的有效途径,而如何利用人类视觉特性对立体图像质量进行有效的评价是目前的研究难点.本文通过分析一种能有效反应立体图像深度信息的视差空间图(DisparitySpaceImage,DSI),并对视差空间图进行三维离散余弦变换(ThreeDimensionalDiscreteCosineTransformation,3D-DCT)提取立体图像的特征信息,提出了一种基于视差空间图3D-DCT变换的立体图像质量客观评价方法.该评价方法首先分别构造原始立体图像和失真立体图像的DSI,然后,通过3D-DCT变换提取出反映图像质量和深度感知的特征信息,并采用主成分分析(PrincipalComponentAnalysis,PCA)进行特征降维,形成立体图像特征信息,最终通过机器学习支持向量回归(SupportVectorRegression,SVR)建立立体图像特征与主观评价值的关系,从而预测得到立体图像质量的客观评价值.实验结果表明,采用本文提出的客观评价方法对立体图像测试库进行评价,在混合失真类型评价结果中,Pearson线性相关系数值和Spearman等级相关系数均在0.94以上,符合人眼视觉特性,能够很好地预测人眼的主观感知.
立体图像 质量评价模型 视差空间图 三维离散余弦变换 特征提取
姜求平 邵枫
宁波大学信息科学与工程学院 宁波 315211
国内会议
南京
中文
740-748
2013-05-13（万方平台首次上网日期，不代表论文的发表时间）