多尺度分析与相似度的立体视频人类视觉评价模型的研究

多尺度分析与相似度的立体视频人类视觉评价模型的研究

论文摘要

立体视频的质量评价是感知与显示的基础,也是立体视频系统设计的依据。立体视频质量的主观评价方法虽然能够与人的主观感知结果一致,但因其稳定性差,可移植性差,耗时长,费用高,在实际应用中会受到很大的限制。而现有的客观评价方法主要考虑了图像信息的损失程度,很少关注立体图像的主观感知,因而不能真实地反映视频质量的优劣。随着立体视频技术的不断发展,如何有效地评价立体视频的质量将是一个研究热点和难点。首先,简单介绍了立体视频质量的主客观评价方法,并对几种典型的客观评价模型进行了分析;然后,详细分析了人类视觉系统的基本特性以及小波变换理论。由于人是图像的最终接受者,所以评价视频质量优劣的关键在于其是否符合人类视觉系统的特性。本文在分析视觉非线性、对比敏感度、多通道结构和掩蔽效应等人类视觉特性的基础上,提出了基于多尺度分析和相似度的立体视频质量评价方法。算法的具体描述如下:1.基于人类视觉特性的立体视频质量客观评价方法。该评价方法是基于立体图像对的差值信息的。本算法分两个方面对立体视频的质量进行评价:立体视频质量评价和立体感质量评价。首先分别对立体视频序列每帧的视点对进行5级小波分解,将整个空间频带划分为6个部分,计算各个频率子带的相似度指标;利用对比敏感度特性对各个评价指标进行加权平均;最后通过融合左、右视图的评价指标获得最终的立体视频客观评价指标。其次通过对差值图像进行多尺度分析和相似度评价,获得立体感的评价指标。2.基于人类深度感知的立体视频质量客观评价方法。该评价方法是基于立体图像对的视差信息的。本文视差信息的提取是采用一维窗的立体匹配方法,它可以将匹配的范围限定在立体图像对对应的水平扫描线上,而且左、右视差信息通过一次扫描就可以同时获得,这大大减小了匹配的计算量,提高了匹配效率。对获得的视差图进行多尺度分析后,计算各尺度小波系数的相关度,获得视差信息的评价指标,最后通过对立体视频质量评价指标和视差信息评价指标进行融合得到了几个立体视频质量的评价指标。实验结果表明,本文提出的基于多尺度分析和相似度的立体视频质量评价算法易于实现,计算复杂度较低。本文算法在充分考虑视觉感知特性后所提出的客观评价指标与人类主观评价值的相关性要优于传统的PSNR方法,与人眼的视觉主观感受有更高的一致性,并且能够反映立体视频的质量以及立体感的优劣。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 研究背景及意义
  • 1.2 国内外研究现状
  • 1.3 论文的研究内容及安排
  • 第2章 视频质量评价方法综述
  • 2.1 视频质量主观评价方法
  • 2.2 视频质量客观评价方法
  • 2.2.1 全参考视频质量评价方法
  • 2.2.2 部分参考视频质量评价方法
  • 2.2.3 无参考视频质量评价方法
  • 2.3 本章小结
  • 第3章 人类视觉系统与小波变换
  • 3.1 人类视觉系统(Human Vision System ,HVS)
  • 3.1.1 人眼的构造
  • 3.1.2 人类视觉处理机制
  • 3.1.3 人类视觉系统的基本特性
  • 3.1.4 人类立体视觉
  • 3.2 小波变换
  • 3.2.1 连续小波变换和离散小波变换
  • 3.2.2 Daubechies 小波
  • 3.2.3 多尺度分析
  • 3.2.4 Mallat 算法
  • 3.2.5 二维图像小波变换
  • 3.3 本章小结
  • 第4章 基于人类视觉特性的立体视频质量评价方法
  • 4.1 算法的基本原理
  • 4.1.1 结构相似度理论
  • 4.1.2 人类视觉系统感知模型的建立
  • 4.1.3 立体视频质量评价体系与二维评价体系的区别
  • 4.2 算法的实现
  • 4.2.1 立体视频质量客观评价
  • 4.2.2 立体感客观评价
  • 4.3 实验结果及分析
  • 4.3.1 客观评价方法的有效性分析
  • 4.3.2 实验结果及分析
  • 4.4 本章小结
  • 第5章 基于人类深度感知的立体视频质量评价方法
  • 5.1 算法的基本原理
  • 5.1.1 匹配采用的约束
  • 5.1.2 一维窗匹配
  • 5.2 算法的实现
  • 5.3 实验结果及分析
  • 5.4 本章小结
  • 第6章 总结与展望
  • 6.1 全文总结
  • 6.2 研究展望
  • 参考文献
  • 作者简介及在学期间所取得的科研成果
  • 致谢
  • 相关论文文献

    标签:;  ;  ;  ;  ;  

    多尺度分析与相似度的立体视频人类视觉评价模型的研究
    下载Doc文档

    猜你喜欢