近年來(lái),三維(Three Dimensional,3D)多媒體應(yīng)用已經(jīng)逐漸走進(jìn)了人們的日常生活中,例如3D電影和虛擬現(xiàn)實(shí)應(yīng)用等。人們?cè)谙硎苤?D圖像以及視頻內(nèi)容帶來(lái)的便利的同時(shí),對(duì)圖像和視頻的內(nèi)容的質(zhì)量需求也越來(lái)越高。不幸的是,圖像在傳輸過(guò)程中存在著降質(zhì)的問(wèn)題,因而對(duì)立體圖像質(zhì)量評(píng)價(jià)(Stereoscopic Image Quality Assessment,SIQA)的研究迫在眉睫。在前人的基礎(chǔ)上,本文從人類(lèi)視覺(jué)系統(tǒng)(Human Visual System,HVS)和深度學(xué)習(xí)方面出發(fā),主要提出了:(1)基于立體視覺(jué)關(guān)鍵特性的全參考SIQA方法根據(jù)HVS立體視覺(jué)的雙目特性,本文提出了一種基于立體視覺(jué)關(guān)鍵特性的全參考SIQA方法。首先,建立了雙目融合和雙目競(jìng)爭(zhēng)效應(yīng)的數(shù)學(xué)模型,分別從兩種模型中提取多尺度的能量響應(yīng)特征圖和亮度特征圖。通過(guò)對(duì)參考立體圖像和失真立體圖像特征圖進(jìn)行相似性度量得到對(duì)應(yīng)的相似性度量圖。最后,采用局部二值模式降低特征維度,利用支持向量回歸技術(shù)對(duì)降維后的特征進(jìn)行映射,得到最終客觀質(zhì)量分?jǐn)?shù)。實(shí)驗(yàn)證明,該方法能與人類(lèi)主觀質(zhì)量評(píng)價(jià)取得很好的一致性。(2)基于顯著區(qū)域深度特征學(xué)習(xí)...

【文章頁(yè)數(shù)】：91 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
Abstract
第一章 緒論
    1.1 課題研究背景和意義
    1.2 國(guó)內(nèi)外研究歷史和現(xiàn)狀
        1.2.1 圖像質(zhì)量評(píng)價(jià)基礎(chǔ)
        1.2.2 立體圖像質(zhì)量評(píng)價(jià)研究
    1.3 論文主要內(nèi)容和組織結(jié)構(gòu)
第二章 立體圖像質(zhì)量評(píng)價(jià)理論基礎(chǔ)
    2.1 人類(lèi)視覺(jué)系統(tǒng)的平面視覺(jué)感知特性
        2.1.1 人類(lèi)視覺(jué)系統(tǒng)的生理學(xué)特性
        2.1.2 人類(lèi)視覺(jué)系統(tǒng)的心理學(xué)特性
    2.2 人類(lèi)視覺(jué)系統(tǒng)的立體視覺(jué)感知特性
        2.2.1 深度信息感知
        2.2.2 雙目融合效應(yīng)
        2.2.3 雙目競(jìng)爭(zhēng)效應(yīng)
    2.3 卷積神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)
        2.3.1 卷積神經(jīng)網(wǎng)絡(luò)概述
        2.3.2 卷積神經(jīng)網(wǎng)絡(luò)理論知識(shí)
        2.3.3 基于卷積神經(jīng)網(wǎng)絡(luò)的平面圖像質(zhì)量評(píng)價(jià)研究
        2.3.4 基于卷積神經(jīng)網(wǎng)絡(luò)的立體圖像質(zhì)量評(píng)價(jià)研究
    2.4 立體圖像質(zhì)量評(píng)價(jià)數(shù)據(jù)庫(kù)及客觀評(píng)價(jià)指標(biāo)
        2.4.1 立體圖像質(zhì)量評(píng)價(jià)數(shù)據(jù)庫(kù)
        2.4.2 立體圖像質(zhì)量評(píng)價(jià)性能評(píng)估指標(biāo)
    2.5 本章小結(jié)
第三章 基于雙目視覺(jué)關(guān)鍵特性全參考立體圖像質(zhì)量評(píng)價(jià)
    3.1 雙目融合模型
        3.1.1 雙目視差圖計(jì)算
        3.1.2 增益控制和增益增強(qiáng)理論
        3.1.3 基于GC和GE理論的雙目融合模型
        3.1.4 相似性度量
        3.1.5 多尺度中間亮度相似度圖
    3.2 雙目競(jìng)爭(zhēng)模型
    3.3 特征降維
    3.4 回歸策略
    3.5 實(shí)驗(yàn)結(jié)果與分析
        3.5.1 整體算法性能比較
        3.5.2 分失真類(lèi)型性能比較
        3.5.3 Waterloo IVC數(shù)據(jù)庫(kù)實(shí)驗(yàn)與結(jié)果分析
        3.5.4 算法性能直觀表示
    3.6 本章小結(jié)
第四章 基于顯著區(qū)域深度特征學(xué)習(xí)無(wú)參考立體圖像質(zhì)量評(píng)價(jià)
    4.1 深度網(wǎng)絡(luò)模型構(gòu)建的基礎(chǔ)
        4.1.1 中間視圖和局部質(zhì)量分?jǐn)?shù)
        4.1.2 圖像預(yù)處理
        4.1.3 卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)
    4.2 單通道深度網(wǎng)絡(luò)模型
        4.2.1 局部特征學(xué)習(xí)
        4.2.2 全局質(zhì)量回歸
    4.3 三通道深度網(wǎng)絡(luò)模型
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 實(shí)驗(yàn)方法
        4.4.2 整體算法性能比較
        4.4.3 分失真類(lèi)型性能比較
        4.4.4 局部特征預(yù)測(cè)的可視化
        4.4.5 顯著性閾值的設(shè)定
        4.4.6 Waterloo IVC數(shù)據(jù)庫(kù)實(shí)驗(yàn)與結(jié)果分析
        4.4.7 跨數(shù)據(jù)庫(kù)實(shí)驗(yàn)
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
作者簡(jiǎn)歷



本文編號(hào)：3834953