ICA和BT-SVM在立體圖像質(zhì)量評(píng)價(jià)系統(tǒng)中的應(yīng)用.pdf

1、目前,3D成像技術(shù)在商業(yè)、科研和醫(yī)療等領(lǐng)域擁有強(qiáng)大的應(yīng)用前景,已成為當(dāng)今信息處理領(lǐng)域研究的熱點(diǎn)問(wèn)題之一。但是,隨著3D技術(shù)的發(fā)展和應(yīng)用,它的缺點(diǎn)和不足也逐漸呈現(xiàn)出來(lái)。比如,當(dāng)人們長(zhǎng)時(shí)間觀看3D電影時(shí)會(huì)出現(xiàn)眼睛酸痛、頭暈、惡心等不舒適的感覺(jué)。正是這種不舒適阻礙著3D技術(shù)的發(fā)展和應(yīng)用。因此,迫切需要一種能夠?qū)αⅢw成像技術(shù)的各個(gè)方面進(jìn)行評(píng)價(jià)的標(biāo)準(zhǔn)。鑒于此,本文主要研究設(shè)計(jì)了一套具有自適應(yīng)評(píng)估能力的立體圖像質(zhì)量評(píng)價(jià)系統(tǒng)。該系統(tǒng)的研究為3D成像技

2、術(shù)的發(fā)展及其應(yīng)用提供了一種合理的技術(shù)方案。
　　論文在充分介紹立體圖像質(zhì)量評(píng)價(jià)系統(tǒng)的研究意義、發(fā)展現(xiàn)狀、人眼視覺(jué)特性及立體成像相關(guān)技術(shù)的基礎(chǔ)上,針對(duì)目前立體圖像質(zhì)量評(píng)價(jià)方法存在的問(wèn)題,提出采用基于統(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī)(Support Vector Machine，SVM)方法對(duì)立體圖像的質(zhì)量等級(jí)進(jìn)行判斷。由于立體圖像較平面圖像的數(shù)據(jù)量成幾倍的增加,因此本文首先采用主成分(Principle Component Analysis

3、，PCA)和獨(dú)立成分分析(Independent Component Analysis，ICA)方法對(duì)立體圖像進(jìn)行數(shù)據(jù)預(yù)處理,降低了立體圖像的數(shù)據(jù)冗余度,得到了立體圖像的獨(dú)立基特征空間;然后將數(shù)據(jù)投影到高維特征空間,采用二叉樹(shù)支持向量機(jī)(Binary Tree Support Vector Machine，BT-SVM)方法對(duì)立體圖像質(zhì)量等級(jí)進(jìn)行分類(lèi)。由于傳統(tǒng)SVM分類(lèi)方法只解決二分類(lèi)問(wèn)題,為了增加系統(tǒng)對(duì)立體圖像質(zhì)量等級(jí)識(shí)別的精度,提出

4、采用可分性度量方法來(lái)確定BT-SVM的結(jié)構(gòu)。
　　實(shí)驗(yàn)針對(duì)300幅立體圖像進(jìn)行分析,其中100幅為訓(xùn)練樣本,200幅為測(cè)試樣本,采用基于可分性度量的BT-SVM方法得到了92.5％的正確識(shí)別率。為了驗(yàn)證本文方法的性能,提出直接采用BT-SVM和采用10位和15位糾錯(cuò)編碼支持向量機(jī)(Error Correcting Codes Support Vector Machine,ECC-SVM)對(duì)同樣的數(shù)據(jù)進(jìn)行實(shí)驗(yàn),直接采用BT-SVM的