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.

考虑双目竞争视觉现象的非对称失真立体图像质量评价方法

目的 现有方法存在特征提取时间过长、非对称失真图像预测准确性不高的问题,同时少有工作对非对称失真与对称失真立体图像的分类进行研究,为此提出了基于双目竞争的非对称失真立体图像质量评价方法。方法依据双目竞争的视觉现象,利用非对称失真立体图像两个视点的图像质量衰减程度的不同,生成单目图像特征的融合系数,融合从左右视点图像中提取的灰度空间特征与HSV(hue-saturation-value)彩色空间特征。同时,量化两个视点图像在结构、信息量和质量衰减程度等多方面的差异,获得双目差异特征。并且将双目融合特征与双目差异特征级联为一个描述能力更强的立体图像质量感知特征向量,训练基于支持向量回归的特征-质量映射模型。此外,还利用双目差异特征训练基于支持向量分类模型的对称失真与非对称失真立体图像分类模型。结果 本文提出的质量预测模型在4个数据库上的SROCC(Spearman rank order correlation coefficient)和PLCC(Pearson linear correlation coefficient)均达到0.95以上,在3个非对称失真数据库上的均方根误差(root of mean square error,RMSE)取值均优于对比算法。在LIVE-Ⅱ(LIVE 3D image quality database phase Ⅱ)、IVC-Ⅰ(Waterloo-IVC 3D image quality assessment database phase Ⅰ和IVC-Ⅱ(Waterloo-IVC 3D image quality assessment database phase Ⅱ)这3个非对称失真立体图像测试数据库上的失真类型分类测试中,对称失真立体图像的分类准确率分别为89.91%、94.76%和98.97%,非对称失真立体图像的分类准确率分别为95.46%,92.64%和96.22%。结论 本文方法依据双目竞争的视觉现象融合左右视点图像的质量感知特征用于立体图像质量预测,能够提升非对称失真立体图像的评价准确性和鲁棒性。所提取双目差异性特征还能够用于将对称失真与非对称失真立体图像进行有效分类,分类准确性高。

双目光学透视式头盔显示器的实验研究

采用分立元件研制双目光学透视式头盔显示器,对双目透视式头盔显示中的关键问题进行实验研究。用偏振分光棱镜作为组合镜,通过理论分析,发现图像源和外界环境的亮度随偏振片方位角呈余弦变化规律,并通过调整偏振片使头盔显示器的图像与外界环境达到最佳融合状态。调查研究了头盔显示器双目重叠范围的改变对视觉效果的影响,数据结果显示,双目重叠范围为单目视场的33~50%时效果最佳。最后根据视差原理编程制作立体图像对,分别显示于头盔显示器的左右眼,实现立体显示。

基于视觉机制的立体显示动态范围优化及实验分析

在立体显示技术飞速发展的今天,“元宇宙”“数字孪生”等概念标志着人们对立体显示感知质量的更高需求,利用人因工程学提高立体显示感知质量的方法是立体显示技术发展的必由之路。基于人眼观看立体场景时的视觉特性,提出一种利用人眼视觉系统中的双目融合与双目竞争机制、提升立体场景动态范围的方法,以此达到立体场景感知质量优化的目的。三个渐进的视觉感知实验证明了该方法的可行性。结果表明,在人眼能获得良好感知的动态范围(0.35<μ<0.61)内,受测者普遍表示,经过该方法处理后的双目立体图像对视觉感知质量更优,统计结果显示立体图像的动态范围得到了显著提升。同时,该方法也不会损害立体图像的深度感知。该方法可为立体场景感知质量优化提供理论依据。

基于三维感知的立体虚拟视点图像质量评价方法

为了评价立体虚拟视点图像的质量,提出了一种基于三维感知的客观评价方法。综合考虑了立体虚拟视点图像两大最主要失真类型:单视点绘制失真和立体视点不匹配失真。针对单视点绘制失真,先提取当前视点失真图与无失真图的差异性区域,再针对该差异性区域计算平均结构相似度(MSSIM),最后将左右视点平均池化作为单目纹理特征值;针对立体视点不匹配失真,先对左右视点失真图分别进行视差映射,再提取映射图与该视点失真图的差异区域作为双目不匹配区域,然后针对不匹配区域计算MSSIM值,最后将左右视点平均池化作为双目竞争特征值;最终将两个特征值幂次融合,作为最终的立体虚拟视点图像质量评价客观指标。实验结果表明本方法有效匹配主观打分的DMOS值,皮尔森线性相关系数和斯皮尔曼秩相关系数分别为0.911和0.900,正确反映了立体虚拟视点图像质量。