基于稀疏表示的無參考立體圖像質(zhì)量評價方法.pdf

1、立體視頻由于能夠呈現(xiàn)生動真實的立體場景，并提供多樣化的媒體交互功能，使得它能滿足不同用戶的需求，具有廣闊的發(fā)展空間。無參考圖像評價方法，作為視頻系統(tǒng)的重要技術(shù)之一，具有非常重要的研究與實際應(yīng)用價值。本文通過深入研究各類無參考圖像質(zhì)量評價方法及圖像稀疏表示理論，并將二者統(tǒng)一起來，建立新的無參考立體圖像質(zhì)量評價模型。本文具體的研究內(nèi)容如下：
　　首先，本文介紹了無參考立體圖像的研究方法及現(xiàn)狀，并通過結(jié)合人類視覺系統(tǒng)，獲取能夠反映各類失

2、真立體圖像的特征。
　　其次，根據(jù)對特征的分析，提出了兩個評價方法。1）基于二維經(jīng)驗?zāi)Ｊ椒纸猓˙idimensional Empirical Mode Decomposition，BEMD）的評價方法。先利用BEMD將圖像分解成內(nèi)蘊模式函數(shù)（Intrinsic Mode Function，IMF）分量，再提取它的均值，方差和信息熵，并結(jié)合廣義高斯分布方法提取它的形狀、尺度參數(shù)作為特征，然后利用支持向量回歸（Support Vect

3、or Regression，SVR）進行融合并預(yù)測圖像的客觀值。2）基于雙目能量響應(yīng)的評價方法。先通過對失真的立體圖像進行 Gabor濾波，提取出圖像不同頻率、方向、視差響應(yīng)下的局部特征矢量，作為立體圖像特征信息，最后利用 SVR得到圖像客觀值。
　　最后，通過研究圖像的稀疏表示理論，提出了兩種評價方法。1）基于Gabor字典構(gòu)造的評價方法。在訓練階段，通過特征聚類構(gòu)造視覺字典和對應(yīng)的視覺質(zhì)量表；在測試階段，通過計算各測試塊的特征

4、向量與視覺字典的最小歐式距離，并找出對應(yīng)的視覺質(zhì)量值進行加權(quán)，獲得立體圖像的客觀評價預(yù)測值。2）基于快速字典構(gòu)造的評價方法。主要分為兩大部分：（1）對圖像局部區(qū)域進行稀疏字典構(gòu)造。（2）對圖像全局區(qū)域進行稀疏字典構(gòu)造。測試過程通過分別計算測試圖像與圖像局部區(qū)域、全局區(qū)域構(gòu)造的字典的相似程度，并進行公式的整合獲得圖像的客觀評價值。實驗結(jié)果表明，該方法在對稱、非對稱立體圖像庫上均有較好的評價效果，且不需要復(fù)雜的學習過程，復(fù)雜度相對較低，能夠