立体图像质量感知特征提取的研究与展望

图像质量感知特征提取和图像质量值映射是立体图像质量评价(SIQA)算法的核心组成模块。相对于2D图像质量评价算法,SIQA算法所提取的图像质量感知特征中需要引入视差、立体观察舒适度和立体显著度等影响立体质量感觉的各种因素,而在图像质量值映射方面则区别不大。为此,以考虑视差信息为主要划分标准,分类综述SIQA算法提取立体图像质量感知特征的各种方法,并相应评析它们的特点,对提取立体图像质量感知特征当前存在的问题和未来的研究方向进行分析和展望。

基于颜色分量的色域映射图像无参考质量评价算法

色域映射是一种将源图像或设备内的颜色坐标映射到目标设备或图像的方法。在此过程中,由于颜色机制的改变,色域映射图像中颜色信息的丢失将是不可避免的。因此色域映射图像的失真不仅有传统的灰度失真还有颜色失真。目前,色域映射图像的质量评价算法均是将两类失真分开考虑,从灰度域和颜色域分别提取能够表征灰度和颜色失真的特征。但是图像的灰度值是由R、G、B三个颜色分量线性计算而得,图像灰度信息的变化在R、G、B三个颜色分量中均有体现。因此,本研究提出R、G、B颜色信息不仅能表征图像颜色失真也能表征图像灰度失真的设想。基于此设想,直接在R、G、B三个颜色分量上提取质量感知特征,并基于反向传播神经网络训练图像质量评价模型。在三个公开的色域映射图像数据库中进行实验证明,该算法在预测色域映射图像质量方面优于现有图像质量评价算法。