面向应用的立体图像盲参考质量评价方法研究
发布时间:2023-10-01 22:04
随着计算机技术的不断发展,人们对图像质量的要求越来越高。因此有效评价平面图像和立体图像的质量成为目前的研究工作。借鉴计算机视觉的研究成果,本文采用机器学习、稀疏表示的方法,提出三个图像质量评价模型,主要内容如下:1)对自拍图像提出了基于推荐应用的盲参考自拍图像质量评价方法。首先,本文建立了自拍图像数据库并进行主观测试。针对此库,本文采用一种无监督质量评价模型评价自然度质量优劣;然后基于肤色的检测算法检测出人脸,计算人脸检测区域内所有像素的亮度均值来评价局部亮度的好坏;接着根据人脸检测框定位人脸质心,再使用美学标准来评价布局质量;之后根据决策树决策机制计算自拍图像的整体质量;最后采用受试者工作特征曲线分析评价提出的算法性能。实验结果表明本文方法与人眼主观分数保持高度一致。2)对混合立体图像提出了混合立体图像无参考质量评价方法。首先,本文建立了混合立体图像数据库。针对该数据库,本文根据人眼双目特性将失真图像分割为匹配区域和不匹配区域;然后根据双目竞争特性,将左右视点的匹配区域融合成独眼图;接着分别对不匹配区域和独眼图进行小波分解;再分别对多个分解系数提取自然统计特征;最后使用支持向量回归算...
【文章页数】:73 页
【学位级别】:硕士
【文章目录】:
引言
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 2D/3D图像主观质量评价
1.2.2 2D/3D图像客观质量评价
1.3 主要工作及创新
1.4 论文结构安排
2 立体图像特性以及稀疏表示的研究
2.1 人类视觉系统
2.1.1 单目感知特性
2.1.2 双目感知特性
2.2 稀疏表示方法
2.2.1 信号的稀疏表示
2.2.2 多模态字典学习
2.3 本章小结
3 基于推荐应用的盲参考自拍图像质量评价
3.1 自拍图像库的建立
3.2 客观评价方法
3.2.1 自然度的评价
3.2.2 局部亮度的评价
3.2.3 布局的评价
3.3 决策树决策机制
3.4 结果与分析
3.4.1 测试方法
3.4.2 测试结果
3.5 结果分析
3.6 本章小结
4 混合立体图像主观和客观质量评价方法
4.1 压缩失真混合立体图像的主观评价
4.1.1 挑选序列
4.1.2 压缩编码失真
4.1.3 主观测试方法
4.1.4 数据处理
4.2 压缩失真混合立体图像无参考质量评价方法
4.2.1 分割匹配区域和不匹配区域
4.2.2 小波域单目特征提取
4.2.3 小波域双目区域特征提取
4.2.4 质量预测模型
4.3 实验结果和性能分析
4.4 本章小结
5 基于多模态字典的无监督立体图像质量评价
5.1 双目融合
5.2 训练样本集和特征提取
5.2.1 训练样本集
5.2.2 多模态字典训练
5.2.3 匹配区域和不匹配区域的特征提取
5.3 质量预测
5.4 质量融合
5.5 实验结果及分析
5.6 本章小结
6 总结与展望
6.1 本学位论文工作总结
6.2 下一步研究方向
参考文献
在学研究成果
致谢
Abstract of Thesis
论文摘要
本文编号:3849515
【文章页数】:73 页
【学位级别】:硕士
【文章目录】:
引言
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 2D/3D图像主观质量评价
1.2.2 2D/3D图像客观质量评价
1.3 主要工作及创新
1.4 论文结构安排
2 立体图像特性以及稀疏表示的研究
2.1 人类视觉系统
2.1.1 单目感知特性
2.1.2 双目感知特性
2.2 稀疏表示方法
2.2.1 信号的稀疏表示
2.2.2 多模态字典学习
2.3 本章小结
3 基于推荐应用的盲参考自拍图像质量评价
3.1 自拍图像库的建立
3.2 客观评价方法
3.2.1 自然度的评价
3.2.2 局部亮度的评价
3.2.3 布局的评价
3.3 决策树决策机制
3.4 结果与分析
3.4.1 测试方法
3.4.2 测试结果
3.5 结果分析
3.6 本章小结
4 混合立体图像主观和客观质量评价方法
4.1 压缩失真混合立体图像的主观评价
4.1.1 挑选序列
4.1.2 压缩编码失真
4.1.3 主观测试方法
4.1.4 数据处理
4.2 压缩失真混合立体图像无参考质量评价方法
4.2.1 分割匹配区域和不匹配区域
4.2.2 小波域单目特征提取
4.2.3 小波域双目区域特征提取
4.2.4 质量预测模型
4.3 实验结果和性能分析
4.4 本章小结
5 基于多模态字典的无监督立体图像质量评价
5.1 双目融合
5.2 训练样本集和特征提取
5.2.1 训练样本集
5.2.2 多模态字典训练
5.2.3 匹配区域和不匹配区域的特征提取
5.3 质量预测
5.4 质量融合
5.5 实验结果及分析
5.6 本章小结
6 总结与展望
6.1 本学位论文工作总结
6.2 下一步研究方向
参考文献
在学研究成果
致谢
Abstract of Thesis
论文摘要
本文编号:3849515
本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3849515.html
最近更新
教材专著