基于人类视觉系统立体图像质量评价方法

《基于人类视觉系统立体图像质量评价方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于人类视觉系统立体图像质量评价方法　　摘要：随着立体图像的大规模发展，很多应用场合需要能够迅速有效地完成对立体图像的质量评价工作，以便于后续应用，而对其进行主观质量评价在效率上很难满足要求。因此，提出了一种感知质量评价算法，并结合了一些人类视觉系统的特性。首先需要得到视差图，然后通过边界图和显著图来对视差图进行加权调整。接着使用Minkowski融合方法将加权后的视差图整合成感知分数。最后，使用多尺度分析来得到最终的感知质量分数。通过使用EPFL立体质量评价数据库来验证文中的立体图像感知质量评价算法。实验显示算法最后得到的客观分数和EPFL数据库中的主观分数具有高度的一致性和单

2、调性，证明了文中的立体图像感知质量评价算法是有效的。关键词：立体图像；无参考质量评价；视差；边缘检测；多尺度中图分类号：TP391.41文献标识码：A文章编号：2095-2163（2014）01-0050-040引言8近些年来，得益于娱乐、军事以及工业等众多领域的蓬勃发展，立体图像技术得到了广泛的应用。和传统的二维图像相比，立体图像可以额外提供图像的深度信息，带给观看者身临其境的感受，从而可以帮助观看者对图像所呈现的信息产生更加精细的准确理解。如何能够迅速、准确、有效地对这些立体图像进行评估便随之成为一个具有高度必要性和重要性的研究课题。由于立体图像独有的一些特征，例如串扰、调节

3、——聚散冲突、梯形失真、深度感知不一致、鬼影效应、硬纸板效应等等[1]，也都会影响到立体图像的最终质量。所以，立体图像和二维图像的质量评价是有较大差别的，取得的成果也较为有限。当前的研究仍然处于摸索探索阶段，只是确立了大致的轮廓框架。即使是影响视觉舒适度的因素，也尚未取得一致，形成定论。但是仍然有一些因素是较受认可的，比如调节——聚散冲突、串扰、梯形失真、鬼影效应等因素对视觉不舒适度造成的影响已经获得了清晰明确的研究结论。只是相关的实验主要是使用眼动仪来评估人眼的疲劳程度，而将这些影响因素引入到立体图像的客观质量评价中来实现无人工干预的自动化评价的工作量，迄至目前也仍然很少。8本

4、文通过分析EPFL立体图像质量评价数据库，直观地找到影响立体感知质量的主要因素：视差量。然后基于视差和人类视觉系统的一些特征提出了一种无参考的立体感知质量评价算法。在这个算法中，视差量、边缘检测、显著性检测和多尺度分析等各种方法都发挥了重要作用。最后，通过EPFL立体质量评价数据库验证了所提出的立体感知质量评价算法，实验结果表明该质量评价算法可以准确有效地预测主观分数，验证了所提出方法的合理性和实用性。1基于人类视觉系统的评价方法和二维图像质量不同，立体图像质量还特别强调立体视觉的质量，而不仅仅是观看的立体图像和采集的立体图像之间的失真差异。在某些特定的情况下，现场采集的立体图像

5、或许在图像质量上可认定为没有失真，但是在立体视觉上却并非尽善尽美，即使这些立体图像没有经过压缩编码。因此，立体图像的感知质量评价适合采用无参考的评价方法。本节提出的感知质量评价算法的主要贡献有两点：寻找对立体图像的感知质量影响最大的因子和应用一些人类视觉系统（HVS）的特性。图1描述了该算法的主要步骤。此处的立体图像是以左视和右视的形式给出的。人的两眼视轴之间的距离大约为65mm。在观看立体图像的时候，图像在两眼视网膜上的映像会出现水平差异，这个水平方向上的位置差异就是视差。由人眼的双视视差结合已有的经验知识，在大脑中可以形成深度感知，从而产生立体视觉。双视视差在感知质量评价算法

6、中扮演着重要的角色。观看一幅立体图像实际上是一个把左视和右视对应部分进行融合匹配的过程。由于视差代表双视之间对应像素位置的距离差异，可以用来描述人眼把物体视像汇聚成一个对象的融合协调程度。8根据Goldmann对EPFL数据库的分析[2]，摄像机之间的基准距离和主观分数之间是存在着一定的关系的。图2展示了在名为“moped”的场景中摄像机之间的基准距离和主观分数之间的关系。由图2中可以看出，随着摄像机之间距离的不断增加，主观质量分数呈现减小的趋势。对于EFPL数据库中的其他场景，主观质量分数和摄像机距离的大体趋势也极为类似，只是两者之间具体的对应关系不同。因此，使用视差值来预测立

7、体图像的主观分数是有一定理论依据的。而这两者之间的具体对应关系则由已经提出的感知质量评价算法得到。鉴定只能计算在水平方向上的视差值，就决定了立体图像的左视和右视必须首先正确地对齐，因此在执行视差计算之前就要进行图像矫正。而其后的视差估计算法主要是通过分别提取立体图像中左视图和右视图内部的对应特征来进图2“moped”场景中摄像机距离和质量分数的对应关系[2]1.2边缘检测8基于人眼对边缘非常敏感的特性，人类视觉系统（HVS）更加易于提取结构和边缘信息[5]。而且根据前面提到的HV