隨著計算機技術的不斷發(fā)展,人們對圖像質(zhì)量的要求越來越高。因此有效評價平面圖像和立體圖像的質(zhì)量成為目前的研究工作。借鑒計算機視覺的研究成果,本文采用機器學習、稀疏表示的方法,提出三個圖像質(zhì)量評價模型,主要內(nèi)容如下:1)對自拍圖像提出了基于推薦應用的盲參考自拍圖像質(zhì)量評價方法。首先,本文建立了自拍圖像數(shù)據(jù)庫并進行主觀測試。針對此庫,本文采用一種無監(jiān)督質(zhì)量評價模型評價自然度質(zhì)量優(yōu)劣;然后基于膚色的檢測算法檢測出人臉,計算人臉檢測區(qū)域內(nèi)所有像素的亮度均值來評價局部亮度的好壞;接著根據(jù)人臉檢測框定位人臉質(zhì)心,再使用美學標準來評價布局質(zhì)量;之后根據(jù)決策樹決策機制計算自拍圖像的整體質(zhì)量;最后采用受試者工作特征曲線分析評價提出的算法性能。實驗結(jié)果表明本文方法與人眼主觀分數(shù)保持高度一致。2)對混合立體圖像提出了混合立體圖像無參考質(zhì)量評價方法。首先,本文建立了混合立體圖像數(shù)據(jù)庫。針對該數(shù)據(jù)庫,本文根據(jù)人眼雙目特性將失真圖像分割為匹配區(qū)域和不匹配區(qū)域;然后根據(jù)雙目競爭特性,將左右視點的匹配區(qū)域融合成獨眼圖;接著分別對不匹配區(qū)域和獨眼圖進行小波分解;再分別對多個分解系數(shù)提取自然統(tǒng)計特征;最后使用支持向量回歸算...

【文章頁數(shù)】：73 頁

【學位級別】：碩士

【文章目錄】：
引言
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 2D/3D圖像主觀質(zhì)量評價
        1.2.2 2D/3D圖像客觀質(zhì)量評價
    1.3 主要工作及創(chuàng)新
    1.4 論文結(jié)構安排
2 立體圖像特性以及稀疏表示的研究
    2.1 人類視覺系統(tǒng)
        2.1.1 單目感知特性
        2.1.2 雙目感知特性
    2.2 稀疏表示方法
        2.2.1 信號的稀疏表示
        2.2.2 多模態(tài)字典學習
    2.3 本章小結(jié)
3 基于推薦應用的盲參考自拍圖像質(zhì)量評價
    3.1 自拍圖像庫的建立
    3.2 客觀評價方法
        3.2.1 自然度的評價
        3.2.2 局部亮度的評價
        3.2.3 布局的評價
    3.3 決策樹決策機制
    3.4 結(jié)果與分析
        3.4.1 測試方法
        3.4.2 測試結(jié)果
    3.5 結(jié)果分析
    3.6 本章小結(jié)
4 混合立體圖像主觀和客觀質(zhì)量評價方法
    4.1 壓縮失真混合立體圖像的主觀評價
        4.1.1 挑選序列
        4.1.2 壓縮編碼失真
        4.1.3 主觀測試方法
        4.1.4 數(shù)據(jù)處理
    4.2 壓縮失真混合立體圖像無參考質(zhì)量評價方法
        4.2.1 分割匹配區(qū)域和不匹配區(qū)域
        4.2.2 小波域單目特征提取
        4.2.3 小波域雙目區(qū)域特征提取
        4.2.4 質(zhì)量預測模型
    4.3 實驗結(jié)果和性能分析
    4.4 本章小結(jié)
5 基于多模態(tài)字典的無監(jiān)督立體圖像質(zhì)量評價
    5.1 雙目融合
    5.2 訓練樣本集和特征提取
        5.2.1 訓練樣本集
        5.2.2 多模態(tài)字典訓練
        5.2.3 匹配區(qū)域和不匹配區(qū)域的特征提取
    5.3 質(zhì)量預測
    5.4 質(zhì)量融合
    5.5 實驗結(jié)果及分析
    5.6 本章小結(jié)
6 總結(jié)與展望
    6.1 本學位論文工作總結(jié)
    6.2 下一步研究方向
參考文獻
在學研究成果
致謝
Abstract of Thesis
論文摘要



本文編號：3849515