基于支持向量回归的立体图像客观质量评价模型
立体图像质量评价是评价立体视频系统性能的有效途径,而如何利用人类视觉特性对立体图像质量进行有效评价是目前的研究难点.该文根据图像奇异值有较强稳定性的特点,结合立体图像的主观视觉特性,提出了一种基于支持向量回归(Support Vector Regression,SVR)的立体图像客观质量评价模型.该模型通过分析立体图像的视觉特性,提取左右图像的奇异值作为立体图像的特征信息,然后根据立体图像的不同失真类型情况对其特征进行融合,通过SVR预测得到立体图像质量的客观评价值.实验结果表明,采用该文提出的客观评价模型对立体数据测试库进行评价,Pearson线性相关系数值在0.93以上,Spearman等级相关系数值在0.94以上,均方根误差值接近6,异常值比率值为0.00%,符合人眼视觉特性,能够很好地预测人眼对立体图像的主观感知.
立体图像质量评价、人类视觉特性、支持向量回归、奇异值分解、特征融合
34
TN911.73
国家自然科学基金60902096,61071120;高等学校博士学科点专项科研基金20093305120002资助课题
2012-04-27(万方平台首次上网日期,不代表论文的发表时间)
共7页
368-374