多核学习纹理特征的立体图像质量评价

为了有效地评价各种失真类型双目立体图像的质量,提出利用多核学习机学习立体图像平面纹理信息和3D映射信息的通用无参考立体图像质量评价IQA方法。该方法首先利用立体匹配模型对左右视图进行处理,获得相应的视差图DM和误差能量图DMEE;对左右视图、视差图和误差能量图进行相位一致性和结构张量变换,获得它们的平坦区和边缘区;分别提取左右视图两个区域纹理特征作为平面信息,提取视差图的纹理特征和误差能量图的统计特征作为3D信息;将所有特征作为多核学习机的输入,利用多核学习的信息融合能力预测待测失真立体图像质量。由于充分利用了立体图像的左右视图、视差图和误差能量图的失真信息,以及多核学习的信息融合能力,该方法具有很好的前景。在LIVE 3D图像质量数据库上的实验表明,该方法与主观质量有较高一致性,与现有的双目立体质量评价方法相比有很大的竞争力。

极端学习四元数小波特征的立体图像质量评价

为了有效、实时地对各种类型失真立体图像质量进行评价,提出了一种基于极端学习(ELM)和四元数小波交换(QWT)的无参考(NR)立体图像质量评价方法。首先利用SSIM密度立体匹配模型生成相关的视差图、差异度可信图和右视图差异补偿图3D映射图;然后分别对左右视图、视差图和差异度可信图进行QWT,计算图像QWT第3相位系数相位幅值加权标准差和能量;再计算右视图差异补偿图统计特征熵和中值;最后将所提取的所有特征输入到基于核映射ELM学习,预测失真立体图像质量。在LIVE3D图像质量评价数据库上的实验结果表明,本方法与人类主观质量评分具有较好的一致性。在LIVE 3D图像质量库I(Phase I)和库II(Phase II)上的斯皮尔曼相关系数(SROCC)分别达到0.926和0.914。