基于人眼立体视觉特性的立体图像质量评价方法研究.docxVIP

基于人眼立体视觉特性的立体图像质量评价方法研究

毕业设计（论文）开题报告

课题名称

基于人眼立体视觉特性的立体图像质量评价方法研究

学院

专业

通信工程

学生姓名

张航萁

指导教师

李素梅

课题来源及意义

随着社会的不断变化和科技的不断进步，图像已成为人们日常生活和工作中不可或缺的重要组成部分。图像是一种重要的信息传递工具和媒介，人们离不开图像来记录、展示和传达信息，如照片、视频、图表等。因此，图像处理技术的发展也越来越受到人们的关注和重视，以满足不断增长的图像需求和应用场景。

立体图像质量评价是立体图像处理和传输中的重要研究技术。随着立体成像技术的迅猛发展，越来越多的立体图像呈现在人们的日常生活中，3D电影和视频为人们带来身临其境的视觉享受。然而，图像在获取到显示的过程中，不可避免地会引入多种噪声，包括但不限于JPEG(JPEG)压缩失真、JPEG2000(JP2K)压缩失真、加性白噪声(WN)失真、快速衰落(FF)失真、高斯模糊(BLUR)失真等，这些噪声会对图像质量产生负面影响进而影响人们的视觉感受。为了提升用户的视觉体验，获取更高质量的立体图像是一种很好的解决方案。因此，设计出一种高效的立体图像质量评价(StereoscopicImageQualityAssessment,SIQA)方法成为当前立体图像质量评价领域的一个热点。

国内外发展现状

目前，立体图像质量评价方法可以分为两类：主观评价和客观评价。主观评价通过被试者观看立体图像并依据其主观感知对其打分，所以主观评价是一种更加符合人类视觉认知的方法，但这种方法具有耗时且缺乏实时性的缺点。客观评价方法则通过数学模型对图像质量进行评价，以判断其优劣程度。与主观评价相比，客观评价在时间和应用上更高效。

常用的客观评价方法包括全参考、半参考和无参考三种方法。全参考方法是通过对比参考立体图像和失真图像之间的差异来评价图像质量，如PSNR(PeakSignal-to-NoiseRatio)[1]、VIF(VisualInformationFidelity)[2]、SSIM(StructuralSimilarityIndexMetric)[3]等。而无参考方法则是直接从失真图像中提取相关的特征来评价图像质量，如BRISQUE(Blind/ReferencelessImageSpatialQualityEvaluator)[4]等。半参考方法介于全参考和无参考之间，需要参照参考立体图像的部分信息进行对比分析。其中PSNR和SSIM是两种比较经典的全参考评价方法，但它们对于人眼感知的不同失真类型的敏感性较差，因此在一些情况下并不能准确地评价图像质量。近年来，一些新的客观评价方法也得到了广泛的研究和应用，如VIF、FSIM(FeatureSIMilarity)、MAD(MeanAbsoluteDifference)等。

立体图像质量评价初期，研究学者通常直接将2D图像质量评价方法应用到立体图像质量评价上。具体地，首先，利用2D图像质量评价方法分别对左、右视图进行质量评分；然后，将两个分数进行整合得到立体图像的感知质量分数。目前，在人眼视觉感知模型中，已有的研究未将双目视觉特征引入其中，导致其效果不够理想。双眼视觉相关的感知过程是非常复杂的，人眼接收到不同刺激后会在大脑将左右视觉刺激融合成一幅融合图像，称之为cyclopean图像，随后对cyclopean图像进行感知质量评价。Cyclopean图像是将左右视图融合在一起的图像，模拟人脑实际感知到的图像。融合方法主要包含基于双目加权[5]、增益控制[6]、神经网络[7]、向量加法[8]等。当进行HVS融合操作来获取左右眼所获取的视觉场景时，中间视觉受到深度识别、双眼视差、双眼竞争等多种因素的综合影响。因此，基于cyclopean图像进行立体图像质量评价对于提升算法性能具有很好的促进作用。目前，研究学者已经提出了一些基于cyclopean图像的立体图像质量评价方法。例如，文献[12]首先分别获得失真立体图像和参考立体图像的cyclopean图像；然后使用2D图像质量评价方法(2DImageQualityAssessment，2DIQA)对参考和失真cyclopean图像进行相似度计算得到立体图像的感知质量。文献[13]首先通过建立双目融合的数学模型将左右视图融合成一幅cyclopean图像；然后，将其作为神经网络模型的输入；最后利用视觉显著性特征对网络输出特征进行加权得到立体图像的最终客观质量分数。文献[14]利用高斯拉普拉斯算子(LoG)对左右图像进行滤波，并基于滤波特征计算得到cyclopean图像，同时获得加和及差异图；然后，从cyclopean图像、加和及差异图中