基于双目融合与竞争的无参考立体图像质量评价方法

根据人眼对立体图像的感知过程,提出了一种基于双目融合和竞争特性的无参考立体图像质量评价方法.首先将左右视点图像进行融合,对得到的独眼图进行Gabor特征提取;然后对左右视点图像的绝对差值图提取特征;最后将独眼图特征和绝对差值图特征融合得到立体图像特征集,通过支持向量回归预测得到客观值.采用该方法对LIVE立体图像数据库进行评价,Pearson线性相关系数(PLCC)和Spearman等级相关系数(SROCC)均在0.94左右,优于其他参与对比的质量评价方法.表明该方法符合人眼视觉特性,能够很好地描述人眼感知特性.

采用在线流形学习的彩色图像质量评价

针对许多评价方法都需要大量有效的训练样本离线学习得到特征提取器的问题,同时考虑到人脑能自然感知数据的内在低维特征,这种感知恰以流形方式存在,提出了一种采用在线流形学习的彩色图像质量评价方法。实验结果表明,所提出方法在LIVE、CSIQ和TID2008三个数据库的平均Spearman秩相关系数(SROCC)达到0.91。相比于其它方法,在线流形学习的彩色图像质量评价方法与主观视觉感受吻合度更高。

基于仿视觉细胞模型的立体图像质量评价方法

在观看立体图像时,人类视觉系统(HVS)以人眼视网膜细胞为媒介接收、传输和理解双目信息,基于此提出了一种仿视觉细胞模型的立体图像质量评价(SIQA)方法。以视网膜细胞特性为基础,模仿HVS对简单细胞和复杂细胞进行建模;双目信息经简单-复杂细胞模型处理得到双目融合视点图(BFVM)和双目细胞差异图(BCDM),采用多尺度结构相似度(MSSIM)算法分别对原始、失真立体图像的BFVM和BCDM进行双目融合评价(BFQA)和双目立体感评价(BSPA);对BFQA和BSPA的评价值进行加权融合得到最终评价值。实验结果表明,该方法的Pearson线性相关系数在0.94以上,Spearman秩相关系数在0.93以上,该模型符合人眼视觉特性,能够较好地预测立体图像质量。