本文關(guān)鍵詞：利用多核增強學(xué)習(xí)的立體圖像舒適度評價模型

  更多相關(guān)文章： 立體圖像 視覺舒適度評價 偏好標(biāo)簽 偏好立體圖像對(PSIP) 多核增強學(xué)習(xí) 偏好分類器

【摘要】：目的傳統(tǒng)的立體視覺舒適度評價模型,在學(xué)習(xí)階段一般采用回歸算法,且需要大量的包含主觀測試數(shù)據(jù)的訓(xùn)練樣本,針對這個問題,提出一種利用多核增強學(xué)習(xí)分類算法的立體圖像舒適度評價模型。方法首先,考慮人們在實際觀測圖像時,對于先后觀測到的不同圖像進行相互比較的情況,將評價模型看成是偏好分類器,構(gòu)造包含偏好標(biāo)簽的偏好立體圖像對(PSIP),構(gòu)成PSIP訓(xùn)練集;其次,提取多個視差統(tǒng)計特征和神經(jīng)學(xué)模型響應(yīng)特征;然后,利用基于Ada Boost的多核學(xué)習(xí)算法來建立偏好標(biāo)簽與特征之間的關(guān)系模型,并分析偏好分類概率(即相對舒適度概率)與最終的視覺舒適度之間的映射關(guān)系。結(jié)果在獨立立體圖像庫上,與現(xiàn)有代表性回歸算法相比較,本文算法的Pearson線性相關(guān)系數(shù)(PLCC)在0.84以上,Spearman等級相關(guān)系數(shù)(SRCC)在0.80以上,均優(yōu)于其他模型的各評價指標(biāo);而在跨庫測試中,本文算法的PLCC、SRCC指標(biāo)均優(yōu)于傳統(tǒng)的支持向量回歸算法。結(jié)論相比于傳統(tǒng)的回歸算法,本文算法具有更好的評價性能,能夠更為準(zhǔn)確地預(yù)測立體圖像視覺舒適度。
【作者單位】： 寧波大學(xué)信息科學(xué)與工程學(xué)院;
【關(guān)鍵詞】： 立體圖像 視覺舒適度評價 偏好標(biāo)簽 偏好立體圖像對(PSIP) 多核增強學(xué)習(xí) 偏好分類器
【基金】：國家自然科學(xué)基金項目(61271021)~~
【分類號】：TP391.41
【正文快照】： 第21卷/第10期/2016年10月張竹青,邵楓,蔣剛毅/利用多核增強學(xué)習(xí)的立體圖像舒適度評價模型0引言3D顯示技術(shù)和圖像處理技術(shù)的研究與發(fā)展,適應(yīng)了人們對基于3D內(nèi)容的多媒體服務(wù)的強烈需求[1-3]。不同于2D視頻,3D視頻增加了場景的深度信息,極大提升了觀看者身臨其境的視覺體驗質(zhì)量

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊s，

本文編號：823416