基于統(tǒng)計(jì)學(xué)習(xí)的一種立體圖像質(zhì)量客觀評(píng)價(jià)方法研究.pdf

1、與2D成像技術(shù)相比,3D成像技術(shù)能給終端用戶帶來(lái)震撼和逼真的臨場(chǎng)體驗(yàn),因此在研究領(lǐng)域和應(yīng)用領(lǐng)域受到了極大的關(guān)注,并被廣泛地應(yīng)用在3DTV、遠(yuǎn)程教育和醫(yī)療衛(wèi)生等行業(yè)中。近幾十年來(lái),大量的研究人員投入到3D成像技術(shù)的相關(guān)研究中,這些技術(shù)大大加快了3D成像在生活中的應(yīng)用。然而一些不舒適的癥狀如頭暈、惡心等常有發(fā)生,所以人們迫切需要一種標(biāo)準(zhǔn)來(lái)對(duì)3D成像技術(shù)進(jìn)行評(píng)價(jià)。立體圖像內(nèi)容本身、觀看終端顯示器或者觀看者本人都有可能引起視覺(jué)不舒適的癥狀,本文

2、重點(diǎn)從立體圖像本身內(nèi)容角度出發(fā),用統(tǒng)計(jì)的方法設(shè)計(jì)了一個(gè)立體圖像質(zhì)量客觀評(píng)價(jià)方案。
　　論文首先介紹了立體圖像客觀質(zhì)量評(píng)價(jià)的研究背景、現(xiàn)狀以及與之相關(guān)的人眼視覺(jué)特性等知識(shí),在此基礎(chǔ)上提出了將基于統(tǒng)計(jì)學(xué)習(xí)的支持向量機(jī)(Support Vector Machine,SVM)分別和主成分分析(Principal Component Analysis,PCA)、獨(dú)立成分分析(Independent Component Analysis,IC

3、A)相結(jié)合實(shí)現(xiàn)立體圖像質(zhì)量客觀評(píng)價(jià)的方法。在該方法中,PCA和ICA分別用來(lái)對(duì)立體圖像進(jìn)行預(yù)處理,以獲得立體圖像的二階獨(dú)立特征和高階獨(dú)立特征,達(dá)到去除冗余和降維的效果;作為分類器,基于統(tǒng)計(jì)理論的SVM被用于對(duì)提取出的統(tǒng)計(jì)特征進(jìn)行判斷,從而實(shí)現(xiàn)對(duì)立體圖像質(zhì)量的客觀評(píng)價(jià)。
　　本文采用的立體圖像樣本共371幅,其中130幅不同等級(jí)的圖像作為訓(xùn)練樣本,剩余241幅不同等級(jí)圖像作為測(cè)試樣本。另外,本文提出對(duì)不同特征維數(shù)的ICA和PCA系統(tǒng)