基于GA-SVR模型的无参考立体图像质量评价.pdfVIP

第43卷第5期 计 算 机 工 程 2017年5月 2017 V01．43No．5 ComputerEngineering May 文献标志码：A 中图分类号：TN911·73 ·图形图像处理· 文章编号：1000-3428(2017)05-0234-06 基于GA．SVR模型的无参考立体图像质量评价 马 允，王晓东，富显祖，娄达平，章联军 (宁波大学信息科学与工程学院，浙江宁波315211) 摘 要：针对支持向量回归(SVR)中惩罚因子和径向基函数选取具有较大不确定性和随机性的问题，结合单双目 信息与基于遗传算法(GA)的SVR优化模型，提出无参考立体图像质量评价方法。提取左右失真图像的单双目特 征，将梯度幅值和拉普拉斯特征作为单目视觉特征。为更好地结合人类双目视觉特性，使左右图像融合成一幅独 眼图，对独眼图提取空域自然场景统计特征。利用GA选择、交叉和变异等操作优化SVR参数组合，选出最优的参 数组合，引入到SVR中预估左右图像质量。考虑到人眼对于左右失真图像的响应不同，通过增益控制模型融合左 右图像质量，从而得到最终的质量评价值。应用该评价方法对宁波大学建立的立体数据测试库进行评价，结果表 致性。 关键词：遗传算法；支持向量回归；立体图像质量评价；单双目视觉特性；增益控制模型 中文引用格式：马 43(5)：234·239，247． a1．No—reference AssessmentBased 英文引用格式：Ma Xianzu，et StereoscopicImageQuality Yun，WangXiaodong，Fu onGA—SVR Engineering，2017，43(5)：234—239，247． Model[J]．Computer Basedon Model Non—reference AssessmentGA-SVR StereoscopicImageQuality MA Yun，WANGXiaodong，FUXianzu，LOUDaping，ZHANGLianjan of 31521 InformationScienceand (Faculty Engineering，NingboUniversity，Ningbo，Zhejiang1，China) atthe ofthe andrandomnessoftheselectionof factorandradialbasis 【Abstract】Aimingproblemuncertainty penalty functioninthe Vector onthemonocularandbinocularinformationaswellastheSVR Support Regression(SVR)，based modelbasedonGenetic non-reference assessmentmethodis optimi