立體圖像質量客觀評價算法主要用于評價各類立體圖像處理系統中立體場景顯示質量的優(yōu)劣,能夠為各種圖像處理系統提供參數設置、性能優(yōu)化等的基本依據,具有廣泛的研究和應用價值。立體圖像質量客觀評價算法的核心設計目標是自動地獲取立體圖像的感知質量。然而,目前人類視覺系統復雜的工作原理并未被完全掌握,設計出與人類視覺系統評價結果一致的預測模型具有極大挑戰(zhàn)。當前的立體圖像質量評價研究探索了視覺系統的部分功能與特性,但仍存在著對雙目感知特性考慮不充分,非對稱失真立體圖像質量的預測準確性不高,以及特征提取時間過長等問題。為此,本文在現有研究的基礎上,進一步探究人類雙目視覺的感知特性,提出多個無參考的雙目感知立體圖像質量預測模型,提升感知特征的提取方法與映射方法的性能。本文的主要研究工作如下:（1）針對無視差類立體圖像質量評價方法,因未考慮雙目感知特性,導致預測非對稱失真立體圖像質量時準確性不高的問題,提出基于未匹配子帶合成圖像的無參考立體圖像質量評價算法。該方法利用人類視覺系統對頻率和方向信息敏感的視覺特性,將立體圖像進行多尺度和多方向分解;在不使用視差圖的情況下,將左、右視點相同尺度和方向的小波子帶圖像... 

【文章來源】：南昌大學江西省 211工程院校

【文章頁數】：151 頁

【學位級別】：博士

【部分圖文】：

LIVE-I數據庫[13]中的原始圖像（右視點）

第1章緒論16圖1.2LIVE-II數據庫[17]中的原始圖像（右視點）（2）WaterlooIVC3D圖像質量數據庫加拿大滑鐵盧大學通過兩階段的主觀實驗建立了兩個立體圖像質量數據庫，包含對稱失真、左、右視點失真類型相同失真程度不同的非對稱失真以及左、右視點失真類型不同的非對稱失真圖像。WaterlooIVC3DPhaseI數據庫[69,104]（以下簡稱為WIVC-I數據庫）包含6幅全高清立體圖像及其對應的78幅失真的單視點圖像與330幅失真立體圖像，圖像尺寸為1390×1080/1342×1080像素。WaterlooIVC3DPhaseII數據庫[69,104]（以下簡稱為WIVC-II數據庫）包含10幅全高清立體圖像及其對應的130幅失真的單視點圖像與460幅失真的立體圖像，圖像尺寸為1920×1080像素。WIVC-I和WIVC-II圖像庫的單視點圖像包括三種失真類型：WN，GB和JPEG。圖1.3和圖1.4分別給出了WIVC-I和WIVC-II數據庫中原始立體圖像的左視點圖像。圖1.3WIVC-I數據庫[69,104]中的原始圖像（右視點）圖1.4WIVC-II數據庫[69,104]中的原始圖像（右視點）（3）寧波大學立體圖像質量評價數據庫寧波大學設計了多個立體圖像質量評價數據庫。NBU3DIQA數據庫[18]為對稱失真立體圖像數據庫，包含12幅原始立體圖像和312幅失真圖像，圖像的失

第1章緒論16圖1.2LIVE-II數據庫[17]中的原始圖像（右視點）（2）WaterlooIVC3D圖像質量數據庫加拿大滑鐵盧大學通過兩階段的主觀實驗建立了兩個立體圖像質量數據庫，包含對稱失真、左、右視點失真類型相同失真程度不同的非對稱失真以及左、右視點失真類型不同的非對稱失真圖像。WaterlooIVC3DPhaseI數據庫[69,104]（以下簡稱為WIVC-I數據庫）包含6幅全高清立體圖像及其對應的78幅失真的單視點圖像與330幅失真立體圖像，圖像尺寸為1390×1080/1342×1080像素。WaterlooIVC3DPhaseII數據庫[69,104]（以下簡稱為WIVC-II數據庫）包含10幅全高清立體圖像及其對應的130幅失真的單視點圖像與460幅失真的立體圖像，圖像尺寸為1920×1080像素。WIVC-I和WIVC-II圖像庫的單視點圖像包括三種失真類型：WN，GB和JPEG。圖1.3和圖1.4分別給出了WIVC-I和WIVC-II數據庫中原始立體圖像的左視點圖像。圖1.3WIVC-I數據庫[69,104]中的原始圖像（右視點）圖1.4WIVC-II數據庫[69,104]中的原始圖像（右視點）（3）寧波大學立體圖像質量評價數據庫寧波大學設計了多個立體圖像質量評價數據庫。NBU3DIQA數據庫[18]為對稱失真立體圖像數據庫，包含12幅原始立體圖像和312幅失真圖像，圖像的失

【參考文獻】：
期刊論文
[1]基于稀疏字典學習的立體圖像質量評價[J]. 李素梅,常永莉,韓旭,胡佳潔.  天津大學學報(自然科學與工程技術版). 2019(01)
[2]立體圖像質量感知特征提取的研究與展望[J]. 徐少平,林官喜,曾小霞,姜尹楠,唐祎玲.  計算機工程. 2018(06)
[3]基于極限學習機的全參考立體圖像質量評價[J]. 沈力波,邵楓,蔣剛毅,郁梅.  計算機輔助設計與圖形學學報. 2017(05)
[4]基于深度學習的無參考立體圖像質量評價[J]. 田維軍,邵楓,蔣剛毅,郁梅.  計算機輔助設計與圖形學學報. 2016(06)
[5]結合結構信息和亮度統計的無參考圖像質量評價[J]. 沈軍民,李俊峰,戴文戰(zhàn).  電子學報. 2016(04)
[6]基于自然統計特征分布的無參考圖像質量評價[J]. 陳勇,帥鋒,樊強.  電子與信息學報. 2016(07)
[7]基于雙目特征聯合的無參考立體圖像質量評價[J]. 李柯蒙,邵楓,姜求平,蔣剛毅,郁梅.  光電子·激光. 2015(11)
[8]無參考圖像質量評價綜述[J]. 王志明.  自動化學報. 2015(06)
[9]圖像質量評價方法研究進展[J]. 蔣剛毅,黃大江,王旭,郁梅.  電子與信息學報. 2010(01)



本文編號：2966328