[发明专利]一种用于立体图像质量客观评价的极端学习机

说明书

所属技术领域

本发明属于图像处理领域，涉及图像质量评价方法改进优化，尤其是涉及PCA和GA-ELM在立体图像质量客观评价中的应用。

背景技术

近几年来，随着计算机科学技术的飞速发展，人们对立体可视化的兴趣越来越浓厚，计算机图形学也在各行业得到迅速的发展，计算机进入三维时代。来自计算机图像学、计算机视觉、多媒体以及相关的其他技术的融合，使得多种新的视觉媒体得到快速发展，例如立体视频和自由视点视频，给人类带来了新的视觉感受，远远超越了传统的2D视频^[1]。随着立体成像技术的不断成熟，立体产品真正走进人们的生活中，从此3D世界的重现，不再仅仅是梦想。立体显示技术在室外^[2-4]的应用也越来越普及。

现阶段，进行立体图像质量评价主要是人们利用人眼来获取图像的立体信息，然后大脑将各种立体信息进行整合使我们感受到立体的感觉，进而来分析判断立体图像质量的优劣。通常情况下，采用两种方法对立体图像质量进行评价：主观评价和客观评价。主观评价主要是通过选择大量的测试人员，依据观测者看到的立体图像的立体效果、清晰度以及事先根据ITU制定的图像质量的评分标准，对选取的立体图像样本按照个人主观感受进行等级评分。虽然这种方法能够获得较准确的图像评价，但它花费时间长、成本高，难以操作。因此，建立一套有效的、规范的立体图像质量客观评价标准已经成为立体成像技术领域中一项主要研究内容。其中客观评价方法主要通过提取立体图像相应的立体信息指标，然后利用数学公式或建立的数学模型描述人们对立体图像的主观感受，进而评判立体图像的质量等级，该方法省时省力、可操作性更强。因此建立与主观评价结果相一致的客观评价模型是未来的发展趋势，国内外学者也已对此进行了一系列的探索。

最初，人们主要是通过引进平面图像质量的评价方法来评价立体图像的质量等级。在过去几十年来，研究学者所提出的二维图像质量评价方法有：峰值信噪比(PSNR)、均方误差(MSE)、结构相似度(SSIM)指标^[5]以及基于信息内容权值的IWSSIM算法^[6]等等。You^[7]等人将其中的一些2D图像质量评价方法应用到立体图像当中，并对其性能进行了相应的分析比较。

Hewage^[8]等人提出首先计算深度图的轮廓并将其二值化，然后通过PSNR方法对立体图像质量进行评价，该文献介绍了一种基于深度图边缘信息的半参考图像质量评价算法模型，能够基本符合人眼的视觉感受。Ding^[9]等人介绍了一种利用图像的局部统计相关性的全参考图像质量评价算法模型，此方法在小波域提取图像的局部相关性并汇集出一个客观评价分数，通过测试结果可知该方法不但在具有非常高的精度而且与主观评价结果基本一致；通过总结影响用户视觉感知^[10]的一些因素：串扰等级、摄像机基线以及场景内容，据此提出了一种基于立体图像串扰感知的客观质量评价算法，该算法首先从立体图像中计算出深度图，然后根据原始的以及受损的图像获得SSIM map中相应权值。在文献^[11]中，作者Akhter等人介绍了一 种基于分割图像的局部特性和视差信息的无参考图像质量客观评价算法，该方法的灵感来源于人类的视觉系统(Human Visual System,HVS)以及任何立体显示的感知失真和视差信息依赖于图像的局部特征如非平面的边缘信息、平面的非边缘区域；文献^[12]提出了一种基于差异图的立体图像质量评价方法，该方法将主观实验作为立体信息质量评价的准则，使用深度图度量图像的垂直偏差以及时间一致性；