一种基于最小可察觉失真的立体图像质量客观评价方法

立体图像质量是评价立体视频系统性能的有效途径,而如何利用人类视觉特性对立体图像质量进行有效的评价是目前的研究难点。本文通过分析最小可察觉失真(JND,just noticeable distortion)视觉感知模型,并结合反映图像结构信息的奇异值矢量,提出了一种基于JND的立体图像质量客观评价方法。评价方法由图像质量评价和深度感知评价两部分组成,首先提取反映图像质量和深度感知的特征信息作为立体图像特征信息,然后根据立体图像的不同失真类型情况对其特征进行融合,通过支持向量回归(SVR,support vector Regression)预测得出立体图像质量的客观评价值。实验结果表明,采用本文提出的客观评价方法对立体数据测试库进行评价,在不同失真类型或混合失真评价结果中,Pearson线性相关系数(CC)值均在0.94以上,Spearman等级相关系数(SROCC)值均在0.92以上,符合人眼视觉特性,能够很好地预测人眼对立体图像的主观感知。

面向3D-HEVC的感知自适应环路滤波

提出一种基于感知的快速自适应环路滤波算法,利用最小可察觉失真模型和Canny算子将最大编码单元进行分类,对不同分类区域进行自适应环路滤波(adaptive loop filter,ALF)的性能评估和分析,在此基础上跳过所有非敏感平滑区域和敏感平滑区域耗时的ALF处理.实验结果表明,该算法能在视频主观质量和客观质量基本不变的前提下大大降低ALF编码复杂度,有效改善ALF性能.与现有高效ALF算法相比,该算法可在编码复杂度相当的情况下获得更好的主观视频质量.