客观不立体图像质量预测基于2 d图像特性和相对差距

文摘

立体图像被广泛用于提高的观看体验三维(3 d)成像和通信系统。在本文中,我们提出一个图像特征和差异相关的质量评价指标,融合了人类可见的系统特征。我们相信任何立体图像的扭曲和感知差距强烈依赖于当地的特征,如边缘(即。nonplane图像领域)和nonedge(即。,plane areas of an image) areas within the image. Therefore, a no-reference perceptual quality assessment method is developed for JPEG coded stereoscopic images based on segmented local features of distortions and disparity. Local feature information such as edge and non-edge area based relative disparity estimation, as well as the blockiness and the edge distortion within the block of images are evaluated in this method. Subjective stereo image database is used for evaluation of the metric. The subjective experiment results indicate that our metric has sufficient prediction performance.

1。介绍

如今,三维(3 d)立体媒体正身临其境的媒体增加视觉体验自然在各种应用程序从娱乐(1)更专门化的应用,如远程教育(2,机器人导航3),医疗应用像身体探索4),和治疗的目的5]。有许多替代技术对3 d图像/视频显示和通信,包括全息,体积,和立体;立体图像/视频似乎是目前最发达的技术(6]。立体图像包含两个图像(左和右视图)被密切位于(大约两只眼睛之间的距离)两个摄像头。这些观点构成立体,可以视为一个3 d的虚拟视图,通过观察者呈现相应的观点。虽然三维图像所需的技术迅速出现,这些技术的影响以及图像压缩感知质量的3 d查看尚未深入研究。因此,感知三维图像质量是一个重要的问题来评估所有3 d成像应用程序的性能。有几种信号处理操作,设计了立体图像(7)和一些研究人员仍在努力开发新的高效的多视图图像/视频编码标准(8]。他们认为2 d图像中使用的图像压缩技术,材料也可以应用独立的左右图像立体图像对节省宝贵的带宽和存储容量。虽然主观评价是最准确的感知图像质量的方法,这是费时,昂贵。因此,客观质量评价方法要求可以自动预测感知图像质量。

在过去的二十年里,大量的工作都是集中发展传统2 d图像/视频质量评估方法。然而,现在还没有类似的努力一直致力于3 d /立体图像的质量评估。全部参考(FR)质量指标的评价立体图像对使用2 d的融合质量指标和深度的信息提出了(9]。研究评估,2 d的FR度量质量评估可用于扩展三维深度信息的整合。在[10),选择视图之间的速率分配策略是解决的可伸缩的多视图视频编解码器获得最好的率失真性能。在[11),FR质量指标提出了立体彩色图像。使用的度量,提出了基于双目左右视网膜图像中包含的能量计算复杂的小波变换和围巾变换。在[12],FR整体立体图像质量度量提出了结合传统2 d图像质量度量的差异信息。在[13),质量的3 d视频存储为monoscopic颜色增强的视频像素深度地图,最后这个像素信息用于颜色编码和深度数据。在[14),低通滤波的效果立体序列的一个渠道是探索感知质量、深度和清晰度。结果发现,图像质量之间的相关性为低通滤波和感知深度低。感性需求的综合分析3 d电视是(15]随着立体电视的主要构件的描述。在[16),视觉疲劳的概念及其主观,视觉不适与立体显示技术,综述了图像生成。保证使用者应用程序的视觉舒适,立体电视等,建议坚持的限制”一个程度的差异,“这仍然允许足够的深度呈现对于大多数应用程序。在[17),相机的影响距离和JPEG编码基于整体图像质量感知深度、感知清晰度,认为眼疲劳进行了讨论。感知整体形象之间的关系质量和感知深度讨论了(18]。在[19),FR质量评估模型提出了基于纹理特征的立体彩色图像的左图像以及左派和右派之间差异信息图像。在[20.),一个积极的深度和感知图像质量之间的关系未压缩的立体图像。主观评价视频质量的mpeg - 2编码立体声和nonstereo序列不同的比特率调查(21]。在[22),一个相声预测指标提出了立体图像。串扰的方法试图预测水平看法基于相声水平,摄像机基线,和场景内容。

尽管感性的立体图像质量主要取决于因素,如深度知觉,相声,和视觉不适,整体感知质量反映了多维因素的综合效应(16]。我们相信,人类的视觉感知是非常敏感的边缘信息和感知形象扭曲强烈依赖于当地的特征,如边缘、和nonedge区域和深度/差距知觉依赖于图像的地方特色。因此,在此工作期间,我们提出一个不(NR)质量评估方法基于分割的立体图像局部特性的扭曲和差距。在许多实际应用,参考图像不可用,因此NR质量评估方法是可取的。在这里,我们限制我们的工作只JPEG编码的立体图像。类似的方法基于三个地方特色等优势,平,纹理是由(23]。许多使用的指标参数(13)和地方特性(三)。因此,计算模型的成本高。因此,我们认为两个地方特色(边缘和nonedge)和更少的参数计算成本较低。这种方法是在以前的实例化24简单测试)和有前景的结果。在本文中,我们概括这个算法,提供一套更广泛的验证结果立体图像数据库。剩下的纸是组织如下:部分2简要描述了主观的数据库,用于评估我们的方法。我们的方法的细节部分3。结果讨论部分4最后,本文的结论部分6。

2。主观的数据库

我们进行了主观实验24位/像素的RGB彩色立体图像在媒体信息和通信技术(泰国)实验室,富山大学(23]。数据库包含了JPEG编码的对称和不对称490立体图像对(420年70对称和非对称双)的大小。的,十是立体像对参考。七个质量量表(QS: 10、15, 27岁,37岁,55岁,79年,和参考)被选为JPEG编码器。双重刺激障碍量表(dsi)方法用于主观实验。障碍量表包含五类标记形容词和数字如下:“听不清= 5”,“明显但不讨厌= 4”,“有点烦人= 3”,“讨厌= 2,”和“非常讨厌= 1”。10英寸汽车立体液晶(三洋)显示(解析:本实验中使用。24非专家受试者显示数据库;他们中的大多数是学院/大学的学生。意味着意见分数(苔藓)被计算为每个立体图像postexperiment筛选后的结果根据ITU-R Rec。500 - 1025]。讨论了实验的细节在24]。

3所示。提出客观的方法

的人类视觉系统(HVS)的主要功能是提取结构或从视场边缘信息26]。因此,人类视觉感知对边缘检测是非常敏感,因此,感知扭曲应该强烈依赖于当地的特征,如边缘、和nonedge。例如,在理论上,一个图像的视觉扭曲增加压缩率增加。然而,扭曲和按压的水平之间的关系并不总是直截了当。强烈依赖于纹理图像的内容。为了验证这种关系,我们分析图像的退化导致视觉困难,也就是说,出现在不同的压缩图像扭曲水平不同纹理的图像。在这里,我们考虑一个图像(见图1(一)),其中包含各种各样的纹理边缘和nonedge等领域。的边缘(不均匀)和nonedge(制服)区域图1(一),我们分析的一小部分均匀和非均匀区域所代表的右上的矩形框和右下方的矩形框(虚线),分别。高水平的JPEG压缩应用于图像如图所示1 (b)。结果显示阻塞扭曲更可见均匀区域相比,非均匀区域(见相应的地区压缩)尽管压缩的程度是相等的。为了研究更广泛的关系我们应用四个层次的压缩(QS: 50, 25岁,15日和10)的图像和考虑扩展视图部分均匀和非均匀区域(见矩形区域)为每个级别的压缩数据所示1 (c)和1 (d),分别。这两个数据显示,感知扭曲这些领域不是类似即使压缩水平相等。在细节,阻塞扭曲更可见统一的区域与非均匀区域(见图1 (c)(3)和1 (d)(iii)和数据1 (c)(四)和1 (d)(四))。同样,在非均匀模糊扭曲更明显地区相比,均匀的地区(见图1 (c)(3)和1 (d)(iii)和数据1 (c)(四)和1 (d)(四))。图像扭曲的结果表明,能见度是强烈依赖于当地的特征,如边缘和nonedge地区。

因此,我们也相信三维深度知觉强烈依赖对象,结构,或纹理边缘立体图像内容。因此,NR感知立体图像质量评价方法提出了基于分段扭曲的地方特色和差异的研究。一个有效的二维压缩技术,JPEG编解码器应用独立的左和右视图立体图像对。由于JPEG是基于块离散余弦变换(DCT)编码技术,阻塞和边缘扭曲可能期间创建的DCT系数量化编码的图像。屏蔽效应发生由于在块边界不连续,这是生成的,因为在JPEG量化是基于块和块独立是量子化的。在这里,blockiness块计算的平均绝对差在块边界。边缘失真,使得模糊效果,主要是由于高频损失DCT系数,在每一块图像进行了平滑信号。因此,较高的模糊表示一个平滑图像信号导致的减少信号边缘点。因此,平均块边缘点检测措施提供更多的洞察的相对边缘失真的图像。这里,零交点技术作为边缘检测器。 Although, the impact of coding distortions on the perceived stereoscopic image quality of an asymmetric image pair depends on the visual appearance of the artifact, where blockiness appears to be much more disturbing than blur [28),我们考虑最大blockiness和左和右视图之间的边缘失真的措施。因此,我们考虑blockiness更高和更低的零交点值在两种观点之间。为简单起见,只有亮度分量被认为是统筹彩色立体图像的质量预测。图像扭曲以及差距估计基于分段局部特性,基于块分割算法应用于识别图像的边缘和nonedge领域中讨论细节(24]。随后,扭曲和接下来的部分将描述差距措施。该方法的框图如图2。

3.1。图像失真测量

我们估计blockiness和零交点来衡量JPEG编码的图像扭曲空间域基于分段的地方特色。首先,我们计算blockiness和零交点块单独的立体图像对图像(左和右)。其次,我们应用块()基于分割算法下左边和右边的图像分别进行分类,和nonedge块的图像(24]。第三,我们平均每个值blockiness并分别讨论二阶导数过零边缘,和nonedge每个图像块的音响。第四,立体图像对的总blockiness和零交点分别估计基于较高和较低的零交点blockiness价值价值之间的左右图像明显优势,和nonedge块。最后,我们更新这些blockiness和讨论二阶导数过零值的加权因素优化的一种优化算法。的数学特性,blockiness和零交点措施在每个块的图像计算水平,然后垂直。

水平方向:让测试图像信号为和计算出每个水平线,差分信号 Blockiness块(在水平方向估计 ,“”和“分别是,数量的行和列的位置,和。

水平零交点(佐) 我们定义为: 的大小是。一块的水平零交点(),计算如下: 因此,我们可以计算blockiness和零交点的每个可用的块左右图像。

垂直方向:我们也可以计算信号沿着垂直线的差异如下: 同样,blockiness的垂直特性()和零交点()的屏蔽计算。因此,整体的特性和给出每一块 因此,边缘的平均blockiness值,计算了左图像和nonedge地区: 在哪里和分别的数量优势,和nonedge块的图像。同样,平均blockiness值,计算正确的图像。

因此,平均零交点的值,左边图像估计

同样,平均零交点的值,计算正确的图像。然后我们计算总blockiness和讨论二阶导数过零边缘的特点,和nonedge区域的立体形象。总blockiness特性(,)的立体图像,我们只考虑左派和右派之间的高值图像由以下算法:

然而,对于零交点特性(和),我们估计低下左边和右边的图像之间的值通过以下算法:

最后,整个blockiness,计算了每一对立体图像的零交点 在哪里和blockiness的权重因素的优势,和nonedge地区也和零交点的加权因素。

3.1.1。的重要性考虑的最大Blockiness一对立体声

在本节中,我们讨论的原因为我们选择的最大blockiness一对立体模型。目标是在一对立体测量最大可能blockiness以便度规的关联与人类观众的感知没有实际的人类。因为,blockiness是对人类的眼睛最恼人的构件之一。此外,模型的对称和非对称图像。为了考虑最高的退化,我们考虑之间的最大blockiness左派和右派的观点。解释最大blockiness的考虑,我们把“牛”(立体图像图像从泰国信息数据库(26])。立体图像的编码水平与blockiness图所示3。我们检查最高和平均blockiness在两种观点之间。图3显示变化的blockiness比特率的增加。blockiness变异的结果表明,更高的最高的blockiness平均blockiness相比增加的比特率。标准化的MOS (NMOS)和blockiness (比特率增加-blockiness)两种类型的立体图像显示在图4。编码水平(L R: Ref-10 Ref-15, Ref-27, Ref-37, Ref-55, ref - 79和Ref-Ref),和(L R: 79 - 10、79 - 15, 79 - 27, 79 - 37岁,79 - 55岁,79 - 79,和79 - ref)图4指示比特率增加。虽然NMOS分数显示越来越具有降低的趋势-blockiness,最大blockiness(高的考虑)负相关更好NMOS相比平均blockiness(平均-)。这里,NMOS与最大(我-blockiness特性优势。e,非平面)和nonedge(即。,plane) areas along with a wide variety of quality pairs for Car and Cattle images are also shown in Figure5。这两个blockiness特性(和)支持逆自然对NMOS的类似的趋势。因此,上述结果表明,考虑两个blockiness特性的最大blockiness比平均blockiness合理客观的发展模式。

3.1.2。的重要性考虑一对立体的最小零交点

分析之间的最小零交点值选择一对立体的左派和右派观点在本节中给出。在[29日),讨论了平均边缘点检测在图像块给更好的洞察力在图像边缘失真测量。因此,减少(即零交点值显示。,increasing edge distortion) trend with the increasing compression level. Therefore, there is a relationship with the transition of zero-crossing and the overall edge distortion within an image. In order to study the relationship, we take a stereo image pair, Cattle. Normalized MOS (NMOS) versus zero-crossing (零交叉)的立体图像显示在图6。我们认为最低(Lower-ZC)和平均零交点(Average-ZC)价值的立体模型。这个数字6显示最小值测量最好是相关零交点NMOS得分比平均零交点。此外,零交叉值显示增加的比特率的增加趋势。随后,NMOS与最小值零交叉边缘特性和nonedge地区对各种质量对汽车和牛图像如图7。两个零交叉特性遵循相似的相关性对NMOS的趋势。因此,结果表明,两个零交叉功能(和)措施以及最小零交点比平均零交点更合理的开发质量的预测指标。

3.2。相对差距衡量

测量差异,我们使用一个简单的基于块匹配的方法。许多基于特征的方法应用讨论了立体匹配/差距估计(30.]。这里,基于一个固定块不同零交点(DZC)方法是从事这项工作。的主要差距估计是左边图像划分为不重叠的块边缘和nonedge块分类。为每一个块左边图像,立体对应搜索是基于最小差异进行零交点(MDZC)率之间相应的块和±128像素的图像。视差估计方法如图8。在这里,零交点(横向和纵向)的一块估计根据部分3.1。“1”和“0”表示零交点(边缘)和nonzero-crossing (nonedge)点,分别。为了降低计算成本,我们限制了搜索只1 d(即对应。、水平)和在±128像素。此外,立体图像数据库,我们认为在这个研究纵向纠正图像。因此,左和右视图之间的位移一对立体只限制在水平方向。两个样本的深度地图块大小的立体图像对,,与搜索区域±128像素图所示9。颜色深度图中所示垂直颜色条正确估计图像的深度对。随后,深度不同的对称和不对称的牛的地图图像如图10。数据9和10表明,算法的性能差异对块大小来说是足够的在搜索领域的±128像素。不同的块大小和搜索区域的影响在[详细介绍了这种差异的估计29日]。尽管差距是一个测量的位置位移之间的左右图像,基于强度DZC汇率取决于块之间的一块左图像和相应的搜索正确的形象相对差距在这工作。

为了测量的相对差距,首先,分割算法应用到左图像边缘和nonedge块进行分类。其次,基于块DZC估计之间的两个相应的块左右图像。第三,我们平均DZC率值分别为边缘和nonedge块。最后,与一些更新的值加权因素。如果ZCl ZCr是一块的零交点左图像和相应的搜索块图像,分别。可以估计物体的DZC以下方程: 象征,””表示一个逻辑异操作。随后,DZC率(DZCR)计算

水平方向:让,是一块的零交点左图像和相应的搜索块正确的图像在水平方向,分别。的的块估计以下方程:

因此,我们可以计算率()的88块

因此,平均(边缘),nonedge块左边图像计算了 在哪里和分别的数量优势,nonedge左边的图像块。

垂直方向:同样,我们可以计算和。随后,总为边缘相对差异特性,nonedge,区域估计由以下方程:

最后,总体估计的相对差异特性 在哪里和分别是,权重因素差异特征的边缘,和nonedge区域。为了验证两个差异特征的估计(和)标准化的金属氧化物半导体和差异特征,边缘和nonedge地区在不同质量对汽车和牛图像如图11。这两个差异特性也保持了类似的相关性质对NMOS的增加趋势。因此,表明两个差异特性措施也合理发展的预测指标。虽然三维深度知觉是一个复杂的过程,我们认为它有很强的相关性与对象/场景的结构信息内容附近的观众。为了验证这种说法,我们比较三个相似场景的立体图像内容和注意到附近物体的距离/结构观众相比,第二个和第三个图片的第一个图像,如图12。因此,图像的深度知觉在增加一个第三根据观众的感知。最终,提出差异特性(DZ)测量如图13图像中的边缘和nonedge领域。图显示了规范化DZ特性这两个图像的不同区域。DZ值边缘区域图(13日)表明第一图像的深度小于第二个类似的,第二个图片的DZ价值低于第三形象。因此,DZ的增加趋势特征边缘地区类似的场景内容证实了人类视觉图像的深度知觉。虽然DZ特性对边缘地区支持深度知觉,我们也考虑为nonedge DZ特性测量的相对深度知觉领域其他对象/结构场景内容的算法。

3.3。功能组合

我们可以把工件和差异特性来开发一个立体声质量评估指标在不同的方式。为了研究最合适的特性方程,结合我们研究以下方程:

案例1。

例2。

例3。

例4。 在哪里,,方法参数。方法参数和加权因素(来)必须与主观估计优化算法的测试数据。该方法性能研究也不差距由以下方程:

我们考虑一个逻辑函数作为人类感知之间的非线性特性和物理特性。最后,获得的MOS预报,由以下方程,推导出(31日]: 在这里,粒子群优化(PSO)算法用于优化(32]。

4所示。结果

为了验证我们方法的性能考虑泰国立体图像数据库(见部分2)。使用数据库,我们将数据库分成两部分进行训练和测试。培训数据库包括五个随机选择的参考(总十)和立体像对他们所有的对称/非对称编码的不同组合立体图像立体像对(245)。测试数据库由立体像对其他五个参考和它们的对称/非对称编码版本(245)立体像对,而且之间没有重叠的训练和测试。为了提供定量措施对该方法的性能,我们遵循标准的绩效评估过程的视频质量专家组(VQEG) FR-TV第二阶段测试(33皮尔森),主要是线性相关系数(CC),预测的平均绝对误差(AAE),预测均方根误差(RMSE),和离群值比(或)之间的目标(预测),用于评价和主观分数。评价结果与上述所有功能组合方程如表所示1。表显示出所有的方程相结合,(24)(例4)提供了最高的预测性能。因此,该方法认为(24)。方法的参数和PSO优化算法获得的权重因素的所有训练图像如表所示2。测量的性能以及理由估计图像特征的方法我们也考虑以下预测性能:(1)与差距的方法:(我)提出模型(即。,considering blockiness, zero-crossing, and disparity) using the features combining Equation (24);(2)使用以下方法只考虑blockiness和差异特点结合方程: (3)使用以下方法只考虑零交点和差异特点结合方程: (iv)传统方法差异(即。,consider blockiness, zero-crossing, and disparity without segmentation) using the features combining Equation (24)。(2)方法没有差别:(我)方法考虑blockiness,零点交叉使用的特性结合方程(25)。(2)方法只考虑blockiness通过以下方程: (3)方法只考虑零点交叉使用以下方程: (iv)常规方法考虑blockiness,零点交叉使用(25没有分割)。(3)另一种方法:(我)方法考虑blockiness和零交点明显的两个视图立体模型和测量的质量分数左派和右派观点独立使用功能结合方程(25),平均没有差距,“2 d质量意味着”(18]。

所有上述方法的评价结果中总结表3,4,5。表3表明,该方法性能的每一个评价指标非常充足的训练和测试数据集。从表中也被观察到3该方法提供了足够的预测精度高(CC),和足够的预测的一致性(或降低)。结果在表3也证明该方法(即。,incorporation of the perceptual difference of image distortions and disparity) demonstrates superior quality prediction performance compare to the conventional method with disparity. Tables3和4也表明,该方法性能优越的相比没有差异。然而,2 d质量的意思性能相比,甚至是不够的(即没有差距的方法。,只考虑blockiness和零交点)(见表4和5)。虽然,FR的公司差距衡量立体图像质量评价方法(9]表明糟糕的结果,我们提出的方法(与相对差异)比没有差异(即意味着更好的结果。,只考虑blockiness和零交点)。很明显从表3和4所有方法表现差距比相比没有差异。因此,相对差距衡量在我们提出的方法可以被认为是一个重要的测量三维质量预测。为了理解的意义(即估计的图像特征。,blockiness and zero-crossing), we consider the above mentioned methods which used both features, blockiness and zero-crossing individually with and without disparity. It is clear from Tables3和4这方法只考虑零交点的性能比方法只考虑blockiness有无差异。因此,零交点特性是更重要的比blockiness质量特性的预测。提出方法的权重因素也显示出异常。权重因素(和)的零交点相比较高权重因素(和)blockiness(见表2)。

金属氧化物半导体与金属氧化物半导体_p我们的培训方法和测试图像分别如图(14日),14 (b)。符号””和“+”分别表示金属氧化物半导体_p点数据库的培训和测试。图14证实了该方法的整体质量预测性能不仅是充分的已知数据集还未知的数据集。金属氧化物半导体与金属氧化物半导体_p该方法的性能也显示在图15明显的对称和非对称图像。图15表明,总体预测性能几乎是同样的对称和非对称编码对。然而,性能趋势略差比不对称双对称双。因为,该方法考虑了最高视觉两种观点之间的工件。随后,最高的视觉工件不重要措施压缩那些非常低水平的对称双成对或接近参考。的金属氧化物半导体_p点””的误差2个标准差间隔的四个不同的立体影像如图16。误差线显示2个标准差MOS的间隔。图表明预测一直表现良好在几乎相似的性质在各种各样的图像内容。尽管如此,公司的差距衡量FR立体图像质量指标(9]表明结果差,与相对差异表明我们的方法更好的结果相比没有差异。因此,当地的功能相对差距和扭曲可能是一个重要的衡量整体立体图像质量的预测。为了估计算法的计算成本,我们计算算法的计算时间在英特尔(R)与2.53 GHz酷睿i3 (TM)处理器时钟速度和2 GB RAM伴随着Windows 32位操作系统。图17显示了立体图像的平均计算时间与不同的分辨率。平均计算成本,专门为像素的立体图像,我们的算法是大约52秒足以执行计算的机器上配置。

5。性能比较

在本节中,我们比较方法的性能与我们最近发表的NR模型(23]。方法使用三个局部特征(边缘,平坦,和纹理)和泰国信息数据库。我们建议的方法的评价结果在同一数据库表所示6。表显示我们提出的方法的性能优越而发布的方法训练和测试数据库。作为比较,我们还可以比较方法的性能对当前出版FR方法(9]。我们评估方法的性能相同的数据库(泰国信息数据库)。表6表明,我们提出的模型的性能甚至更好[FR方法相比9]。我们想让另一个比较根据一些研究的想法。一些研究者声称2 d图像质量度量可以用于3 d或立体图像质量预测平均2 d质量度量的左派和右派的观点没有差异特性估计(18]。我们想指出简单的2 d平均技术不适合立体图像质量预测即使质量2 d FR质量指标是用于预测。根据这一理念,我们比较的性能对受欢迎的FR方法客观方法2 d质量评估(34]。我们也评估方法在同一数据库的性能。表6表明,我们的模型是更多更好的性能相比,平均2 d质量的方法。从这个结果很明显,2 d质量指的是对3 d质量预测的方法是不够的。该方法的性能也可以与另一个最近出版的FR立体图像质量评估(11]。方法也使用相同的泰国信息数据库。FR方法报道CC在泰国信息数据库是0.97,而我们提出的CC NR方法相同的数据库是0.96。它表明,尽管我们的方法是NR预测性能非常接近[FR方法11]。此外,FR方法转换MOS范围0 - 1线性MOS规模1 - 5,这不是真正的映射两者之间的主观评分量表(35]。

为了广泛验证该方法的性能,我们考虑另一个立体图像数据库。数据库是由印度河流域文明和IRCCyN实验室,法国南特大学。作为JPEG编码的方法设计立体图像,我们只使用JPEG编码的图像数据库。在数据库中,有30 JPEG编码的立体图像对六种不同的参考图像。广泛的图像编码比特率从0.24到1.3 (bpp bpp不等。讨论了数据库的详细信息(9]。作为数据库使用不同的意思是意见分数(DMOS结构)与不同规模(DMOS结构规模,0到100),很难开发两个不同尺度之间的数学关系(MOS规模:1到5,DMOS结构范围:0 - 100)。尽管mike vanderboegh和Walf提出一个映射方法将一个主观量表到另一个,所有主观数据集的性能是不够的(35]。因此,我们估计的合适的模型参数优化和加权因素DMOS结构规模,0到100通过使用相同的方程与不同的物流功能如下: 因此,为了使用数据库我们随机将数据库分为训练和测试两个部分之间没有重叠的训练和测试。方法的参数与训练图像和加权因素如表所示7DMOS结构规模,0到100。该方法的CCs训练和测试图像,分别为0.93和0.91。随后,该方法的性能又可以与FR方法相比(例如,C4 d2:考虑算法更好的性能差异,”英国石油公司愿景”)(9]。所有JPEG编码的立体影像的预测性能如表所示8。表表明,提出的NR方法的性能几乎是更好的评价指标甚至FR方法相比。很明显从表中,我们提出了NR方法性能是充分的和更好的发表FR方法相比。因此,表6和8确认我们的方法表现是充分的和更好的比别人最近发表的方法。

6。结论

在本文中,我们提出一个NR立体图像质量评价方法对于JPEG编码对称/非对称图像使用当地的知觉差异特征,如边缘和nonedge。基于局部特征的扭曲和相对差距措施估计在这种方法。一个受欢迎的主观数据库是用于验证该方法的性能。结果表明,该方法执行很好广泛的立体图像内容和失真水平。虽然方法是仅用于JPEG编码的立体影像,未来的研究可以扩展到推广的方法无论任何编码的立体图像。

引用

1. 答:日本久保田公司,a . Smolic m . Magnor m . Tanimoto t . Chen和c,“多视图成像和3 dtv,”IEEE信号处理杂志,24卷,不。6,10-21,2007页。视图:出版商的网站|谷歌学术搜索
2. a . m .威廉和d·l·贝利“立体可视化科学和医学的内容,”学报2006 ACM SIGGRAPH教育者Program-International会议上计算机图形和交互技术(SIGGRAPH 06年)美国,波士顿,质量,2006年8月。视图:出版商的网站|谷歌学术搜索
3. j . Baltes s .麦肯,j·安德森的“人形机器人:Abarenbou DaoDan,”举办的2006年人形联赛球队描述纸。视图:谷歌学术搜索
4. c·f·威斯汀”,从扩散磁共振成像中提取大脑连通性。”IEEE信号处理杂志,24卷,不。6,124 - 152年,2007页。视图:出版商的网站|谷歌学术搜索
5. y . a . w . De Kort和w·a . Ijsselsteijn”审视现实:现实主义使用媒体技术在减压的作用,“《网络心理学和行为,9卷,不。2、230 - 233年,2006页。视图:出版商的网站|谷歌学术搜索
6. n·a·道奇森”“裸眼3 d”3 d显示,“电脑,38卷,不。8日,31-36,2005页。视图:出版商的网站|谷歌学术搜索
7. m z .布朗,d . Burschka g·d·海格,“计算机立体视觉的进步,”IEEE模式分析与机器智能,25卷,不。8,993 - 1008年,2003页。视图:出版商的网站|谷歌学术搜索
8. a . Smolic和p . Kauff“交互式3 d视频表示和编码技术,”IEEE、特殊问题的进步视频编码和交付,卷93,不。1,第110 - 98页,2005。视图:谷歌学术搜索
9. a . Benoit p . Le荡妇,p . Campisi和r . Cousseau”立体图像质量评价”,EURASIP杂志在图像和视频处理文章ID 659024卷,2008年,2008年。视图:出版商的网站|谷歌学术搜索
10. n . Qzbek a . m . Tekalp和e . t . Tunali”率之间的分配意见可伸缩的立体视频编码使用一个客观的立体视频质量措施,”《IEEE国际会议音响、演讲和信号处理(ICASSP ' 07)美国,页I1045-I1048,檀香山,夏威夷,2007年4月。视图:出版商的网站|谷歌学术搜索
11. r . Bensalma和m . c . Larabi”对彩色立体图像的感知质量度量,”学报17 IEEE国际会议上图像处理(ICIP 10)香港,页4037 - 4040年,2010年9月。视图:出版商的网站|谷歌学术搜索
12. 邢l . j .你,a . Perkis x王,“感知质量评价立体图像基于2 d图像质量指标和差距分析,”诉讼国际研讨会的视频处理和质量指标为消费电子产品(VPQM ' 01)美国亚利桑那州斯科茨代尔,2010。视图:谷歌学术搜索
13. a . Tikanmaki和a . Gotchev”的3 d视频质量评估率分配实验,”诉讼IEEE国际研讨会的消费类电子产品(ISCE ' 08)2008年4月,阿尔加维,葡萄牙,。视图:谷歌学术搜索
14. w·j·l·。施特尔马奇Tam, d . Meegan和a·文森特,“立体图像质量:混合时空分辨率的影响,“IEEE电路和系统视频技术,10卷,不。2、188 - 193年,2000页。视图:谷歌学术搜索
15. l·m·j·梅斯特、w·A·Ijsselsteijn和p . j . h . Seuntiens“感知的调查评估和需求的三维电视,”IEEE电路和系统视频技术,14卷,不。3、381 - 391年,2004页。视图:出版商的网站|谷歌学术搜索
16. m . t . m . Lambooij w . a . Ijsselsteijn和Heynderickx,“视觉不适立体显示:回顾”立体显示和虚拟现实系统十四卷,6490学报学报,2007年1月。视图:出版商的网站|谷歌学术搜索
17. p . Seuntiens l·梅斯特,w . Ijsselsteijn“压缩感知质量的立体图片:对称和不对称的JPEG编码和相机的影响分离,“IEEE ACM交易应用感知,3卷,不。2、95 - 109年,2009页。视图:谷歌学术搜索
18. worral c·t·e·r·Hewage s t, s .多根和a . m . Kondoz”立体视频质量使用客观质量预测模型的二维视频,”电子信件,44卷,不。16,963 - 965年,2008页。视图:出版商的网站|谷歌学术搜索
19. y y Horita, y Kawai南城,t .井,“编码立体彩色图像的质量评价模型”视觉通讯和图像处理卷,4067学报学报2000年6月,页389 - 398。视图:谷歌学术搜索
20. w·a·Ijsselsteijn h·德里德,j . Vliegen”立体图像的主观评价:相机参数和显示持续时间的影响,“IEEE电路和系统视频技术,10卷,不。2、225 - 233年,2000页。视图:出版商的网站|谷歌学术搜索
21. w . j . Tam和l . b .史堤玛“感知的mpeg - 2立体序列的图像质量,”人类的视觉和电子成像二世卷,3016学报学报圣何塞,页296 - 301年,加州,美国,1997年2月。视图:出版商的网站|谷歌学术搜索
22. l . (j .你,t . Ebrahimi, A . Perkis”立体相声感知、感知质量指标”学报17 IEEE国际会议上图像处理(ICIP 10)香港,页4033 - 4036年,2010年9月。视图:出版商的网站|谷歌学术搜索
23. z . m . p . Sazzad s Yamanaka y Kawayoke,和y Horita,“立体图像质量预测”程序的国际研讨会上的多媒体体验质量(QoMEx ' 09)圣地亚哥,页180 - 185,美国2009年7月。视图:出版商的网站|谷歌学术搜索
24. r . Akhter z . m .首脑Sazzad, y Horita, j . Baltes,“不立体图像质量评价,”第二十一章立体显示和应用程序卷,7524学报学报美国加利福尼亚州圣何塞,2010年1月。视图:出版商的网站|谷歌学术搜索
25. ITU-R”方法的电视画面质量的主观评价,“科技,众议员BT.500-10日内瓦,瑞士,2000。视图:谷歌学术搜索
26. z王(博士率可伸缩的漏斗状图像和视频通信。论文)、ECE、德克萨斯大学奥斯汀分校,2003年。
27. 曼尼托巴大学http://umanitoba.ca/。
28. d . v . Meegan、l·b·史堤玛和w·j . Tam”不平等的双目中单眼输入权重组合:对立体图像的压缩,”实验心理学杂志:应用,7卷,不。2、143 - 153年,2001页。视图:出版商的网站|谷歌学术搜索
29. r . Akhter对立体视觉感知图像质量(硕士论文)曼尼托巴大学计算机科学系,2011年。
30. b·p·麦金农点、线段和提出匹配兴奋剂为移动机器人(硕士论文)曼尼托巴大学计算机科学系,2009年。
31. z . m .首脑Sazzad、y Kawayoke和y Horita,“无参考图像质量评价如JPEG2000基于空间特征,“信号处理:图像通信,23卷,不。4、257 - 268年,2008页。视图:出版商的网站|谷歌学术搜索
32. 进行j·肯尼迪和r·埃伯哈特,“粒子群优化”《IEEE国际会议上神经网络,页1942 - 1948,珀斯,澳大利亚,1995年12月。视图:谷歌学术搜索
33. VQEG”,最终报告的视频质量专家小组验证客观视频质量评估模型,FR-TV二期(2003年8月),“http://www.vqeg.org/。视图:谷歌学术搜索
34. z, a·c·Bovik h·r·谢赫和e . p . Simoncelli“图像质量评估:从错误的可见性结构相似,“IEEE图像处理,13卷,不。4、600 - 612年,2004页。视图:出版商的网站|谷歌学术搜索
35. m . mike vanderboegh和美国狼”,一个客观的方法,结合多个主观的数据集,”学报学报视频通信和图像处理2003年7月,瑞士卢加诺。视图:谷歌学术搜索

版权

版权©2012 z . m .首脑Sazzad等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。