论文部分内容阅读
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法,将特征映射成图像质量;测试阶段,按照建立好的回归模型预测图像质量。实验结果表明了本文方法优于现有评价方法,与人眼主观分数保持高度一致。3)对多失真立体图像提出了基于多模态字典的立体图像评价方法。本文分别针对四种不同失真进行训练。首先,根据双目竞争原理,将左右视点的匹配区域融合成独眼图;训练阶段,归一化处理样本图像的左视点和独眼图,然后分割成8×8非重叠块,接着分别对原始左视点和失真左视点,原始独眼图和失真独眼图利用FSIM得到FSIM映射图,然后对FSIM映射图分割8×8的块,块内平均,然后对特征图像块和FSIM映射块进行多模态字典学习,最后训练得到特征字典和质量字典。测试阶段,采用正交匹配追踪算法计算稀疏系数,然后根据稀疏系数与质量字典不同的结合方式分别得到四类失真图像在左右不匹配区域和独眼图的质量矩阵,再根据均值融合算法得到相应的质量值;最后根据加权得到立体图像的质量值。本文方法在非对称和对称混合立体图像数据库以及多个经典数据库上取得较好的效果,与人眼保持高度的一致。