基于稀疏表示的无参考立体图像质量评价方法-信号与信息处理专业论文.docx

万方数据 万方数据 独 创 性 声 明 本人郑重声明：所呈交的论文是我个人在导师指导下进行的研究工 作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得 宁波大学或其他教育机构的学位或证书所使用过的材料。与我一同工作 的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了 谢意。 若有不实之处，本人愿意承担相关法律责任。 签名： 日期： 关于论文使用授权的声明 本人完全了解宁波大学有关保留、使用学位论文的规定，即：学校 有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论 文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。 （保密的论文在解密后应遵循此规定） 签名： 导师签名： 日期： 宁波大学硕士学位论文 基于稀疏表示的无参考立体图像质量评价方法 摘 要 立体 视频 由于能 够 呈现生动真实的立体 场景 ， 并提供多样化的媒体交互 功 能， 使得 它 能 满 足 不 同 用 户 的 需 求 ， 具 有 广 阔 的 发 展 空 间 。 无 参 考 图像 评价 方 法 ， 作 为 视 频 系 统 的 重 要 技 术 之 一 ， 具有 非常 重 要 的 研 究 与 实 际 应 用 价 值 。 本 文 通 过 深 入 研究 各 类 无 参 考 图 像 质 量 评 价 方 法 及 图 像 稀 疏 表 示 理论 ， 并将 二者 统 一 起 来 ， 建立 新的 无 参 考 立 体 图 像 质 量 评 价 模型 。 本 文 具 体 的 研 究 内 容 如 下： 首先，本文介绍了无参考立体图像的研究方法及现状，并 通过 结 合 人 类 视 觉系统， 获取能够反映各类失真立体图像的特征 。 其次， 根据 对 特征 的分析， 提 出 了 两 个 评 价 方 法 。 1） 基 于 二 维 经 验 模 式 分 解（Bidimensional Empirical Mode Decomposition, BEMD）的评价方法。先利用 BEMD 将图像分解成内蕴模式函数（Intrinsic Mode Function，IMF）分量，再提 取 它 的 均 值 ， 方 差 和 信 息 熵 ， 并 结 合 广 义 高 斯 分 布 方 法 提 取 它 的 形 状 、 尺 度 参 数作为特征，然后利用 支持向量回归（Support Vector Regression，SVR）进行融 合 并 预 测 图 像 的 客 观 值 。 2） 基 于 双 目 能 量 响 应 的 评 价 方 法 。 先 通 过 对 失 真 的 立 体 图 像 进 行 Gabor 滤 波 ， 提 取 出 图 像 不 同 频 率 、 方 向 、 视 差 响 应 下 的 局 部 特 征 矢量，作为立体图像特征信息，最后 利用 SVR 得到图像客观值 。 最后 ， 通过 研究 图像的稀疏 表示 理论， 提出了 两 种 评价 方法。 1 ） 基于 Gabor 字典构造的 评价方法。在训练阶段，通过特征聚类构造视觉字典 和对应的 视 觉 质 量 表 ； 在 测 试 阶 段 ， 通 过 计 算 各 测 试 块 的 特 征 向 量 与 视 觉 字 典 的 最 小 欧 式 距 离 ， 并 找出 对 应 的 视 觉 质 量 值 进 行 加 权 ， 获 得 立 体 图 像 的 客 观 评 价 预 测 值。 2） 基于 快 速 字 典 构 造 的 评 价 方 法 。 主 要 分 为 两 大 部 分 ： （ 1） 对 图 像 局 部 区 域 进 行 稀 疏 字 典 构 造 。 （ 2）对图像 全 局 区 域 进 行 稀 疏 字 典 构 造 。 测 试 过 程 通 过 分 别 计 算 测 试 图 像 与 图 像 局 部 区 域 、 全 局 区 域 构 造 的 字 典 的 相 似 程 度 ， 并 进 行 公 式 的 整 合 获 得 图 像 的 客 观 评 价 值 。 实 验 结 果 表 明 ， 该 方 法 在 对 称 、 非 对 称 立 体 图 像 库 上 均 有 较 好 的 评价 效 果 ， 且 不 需 要 复 杂 的 学 习 过 程 ， 复 杂 度 相 对 较 低，能够较为准确的预测立体图像质量。 I 基于稀疏表示的无参考立体图像质量评价方法 关键词：立体图像质量评价， 稀疏表示， 二维经验模式分解， 双目能量响应 II 宁波大学硕士学位论文 No-reference Stereoscopic Image Quality Assessment Based on Sparse Representation Abstract With the characteristics realistic fe