近年來,三維(Three Dimensional,3D)多媒體應(yīng)用已經(jīng)逐漸走進了人們的日常生活中,例如3D電影和虛擬現(xiàn)實應(yīng)用等。人們在享受著3D圖像以及視頻內(nèi)容帶來的便利的同時,對圖像和視頻的內(nèi)容的質(zhì)量需求也越來越高。不幸的是,圖像在傳輸過程中存在著降質(zhì)的問題,因而對立體圖像質(zhì)量評價(Stereoscopic Image Quality Assessment,SIQA)的研究迫在眉睫。在前人的基礎(chǔ)上,本文從人類視覺系統(tǒng)(Human Visual System,HVS)和深度學習方面出發(fā),主要提出了:(1)基于立體視覺關(guān)鍵特性的全參考SIQA方法根據(jù)HVS立體視覺的雙目特性,本文提出了一種基于立體視覺關(guān)鍵特性的全參考SIQA方法。首先,建立了雙目融合和雙目競爭效應(yīng)的數(shù)學模型,分別從兩種模型中提取多尺度的能量響應(yīng)特征圖和亮度特征圖。通過對參考立體圖像和失真立體圖像特征圖進行相似性度量得到對應(yīng)的相似性度量圖。最后,采用局部二值模式降低特征維度,利用支持向量回歸技術(shù)對降維后的特征進行映射,得到最終客觀質(zhì)量分數(shù)。實驗證明,該方法能與人類主觀質(zhì)量評價取得很好的一致性。(2)基于顯著區(qū)域深度特征學習...

【文章頁數(shù)】：91 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
Abstract
第一章 緒論
    1.1 課題研究背景和意義
    1.2 國內(nèi)外研究歷史和現(xiàn)狀
        1.2.1 圖像質(zhì)量評價基礎(chǔ)
        1.2.2 立體圖像質(zhì)量評價研究
    1.3 論文主要內(nèi)容和組織結(jié)構(gòu)
第二章 立體圖像質(zhì)量評價理論基礎(chǔ)
    2.1 人類視覺系統(tǒng)的平面視覺感知特性
        2.1.1 人類視覺系統(tǒng)的生理學特性
        2.1.2 人類視覺系統(tǒng)的心理學特性
    2.2 人類視覺系統(tǒng)的立體視覺感知特性
        2.2.1 深度信息感知
        2.2.2 雙目融合效應(yīng)
        2.2.3 雙目競爭效應(yīng)
    2.3 卷積神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)
        2.3.1 卷積神經(jīng)網(wǎng)絡(luò)概述
        2.3.2 卷積神經(jīng)網(wǎng)絡(luò)理論知識
        2.3.3 基于卷積神經(jīng)網(wǎng)絡(luò)的平面圖像質(zhì)量評價研究
        2.3.4 基于卷積神經(jīng)網(wǎng)絡(luò)的立體圖像質(zhì)量評價研究
    2.4 立體圖像質(zhì)量評價數(shù)據(jù)庫及客觀評價指標
        2.4.1 立體圖像質(zhì)量評價數(shù)據(jù)庫
        2.4.2 立體圖像質(zhì)量評價性能評估指標
    2.5 本章小結(jié)
第三章 基于雙目視覺關(guān)鍵特性全參考立體圖像質(zhì)量評價
    3.1 雙目融合模型
        3.1.1 雙目視差圖計算
        3.1.2 增益控制和增益增強理論
        3.1.3 基于GC和GE理論的雙目融合模型
        3.1.4 相似性度量
        3.1.5 多尺度中間亮度相似度圖
    3.2 雙目競爭模型
    3.3 特征降維
    3.4 回歸策略
    3.5 實驗結(jié)果與分析
        3.5.1 整體算法性能比較
        3.5.2 分失真類型性能比較
        3.5.3 Waterloo IVC數(shù)據(jù)庫實驗與結(jié)果分析
        3.5.4 算法性能直觀表示
    3.6 本章小結(jié)
第四章 基于顯著區(qū)域深度特征學習無參考立體圖像質(zhì)量評價
    4.1 深度網(wǎng)絡(luò)模型構(gòu)建的基礎(chǔ)
        4.1.1 中間視圖和局部質(zhì)量分數(shù)
        4.1.2 圖像預(yù)處理
        4.1.3 卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)
    4.2 單通道深度網(wǎng)絡(luò)模型
        4.2.1 局部特征學習
        4.2.2 全局質(zhì)量回歸
    4.3 三通道深度網(wǎng)絡(luò)模型
    4.4 實驗結(jié)果與分析
        4.4.1 實驗方法
        4.4.2 整體算法性能比較
        4.4.3 分失真類型性能比較
        4.4.4 局部特征預(yù)測的可視化
        4.4.5 顯著性閾值的設(shè)定
        4.4.6 Waterloo IVC數(shù)據(jù)庫實驗與結(jié)果分析
        4.4.7 跨數(shù)據(jù)庫實驗
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
作者簡歷



本文編號：3834953