论文部分内容阅读
与2D成像技术相比,3D成像技术能给终端用户带来震撼和逼真的临场体验,因此在研究领域和应用领域受到了极大的关注,并被广泛地应用在3DTV、远程教育和医疗卫生等行业中。近几十年来,大量的研究人员投入到3D成像技术的相关研究中,这些技术大大加快了3D成像在生活中的应用。然而一些不舒适的症状如头晕、恶心等常有发生,所以人们迫切需要一种标准来对3D成像技术进行评价。立体图像内容本身、观看终端显示器或者观看者本人都有可能引起视觉不舒适的症状,本文重点从立体图像本身内容角度出发,用统计的方法设计了一个立体图像质量客观评价方案。 论文首先介绍了立体图像客观质量评价的研究背景、现状以及与之相关的人眼视觉特性等知识,在此基础上提出了将基于统计学习的支持向量机(Support Vector Machine,SVM)分别和主成分分析(Principal Component Analysis,PCA)、独立成分分析(Independent Component Analysis,ICA)相结合实现立体图像质量客观评价的方法。在该方法中,PCA和ICA分别用来对立体图像进行预处理,以获得立体图像的二阶独立特征和高阶独立特征,达到去除冗余和降维的效果;作为分类器,基于统计理论的SVM被用于对提取出的统计特征进行判断,从而实现对立体图像质量的客观评价。 本文采用的立体图像样本共371幅,其中130幅不同等级的图像作为训练样本,剩余241幅不同等级图像作为测试样本。另外,本文提出对不同特征维数的ICA和PCA系统性能进行比较。实验结果表明:当特征维数在12时,ICA结合SVM的方法取得了93.36％的识别率,当特征维数为18时,PCA结合SVM的方法取得了93.78%的最高识别率。通过对两者的比较,我们找到了更加适合立体图像质量评价的方法,同时也为PCA和ICA在立体成像技术中的应用提供了一种新思路。