資源描述：
《無(wú)參考圖像質(zhì)量客觀評(píng)價(jià)研究》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、無(wú)參考圖像質(zhì)量客觀評(píng)價(jià)研究ResearchonNo-referenceImageQualityObjectiveAssessment學(xué)科專(zhuān)業(yè)：信息與通信工程作者姓名：劉月指導(dǎo)教師：侯春萍教授天津大學(xué)電氣自動(dòng)化與信息工程學(xué)院二零一七年十一月摘要圖像質(zhì)量客觀評(píng)價(jià)是圖像處理領(lǐng)域中的熱點(diǎn)研究問(wèn)題之一，一種有效的圖像質(zhì)量客觀評(píng)價(jià)算法在優(yōu)化圖像/視頻系統(tǒng)性能和調(diào)整圖像/視頻系統(tǒng)參數(shù)方面起到非常重要的作用。針對(duì)平面圖像質(zhì)量評(píng)價(jià)進(jìn)行研究，本文提出了一種無(wú)參考混合失真平面圖像質(zhì)量客觀評(píng)價(jià)方法。首先，利用局部沃爾什哈達(dá)瑪變換將空域圖像轉(zhuǎn)換為局部沃爾什哈達(dá)瑪變換圖；然后，在局部沃爾什哈達(dá)瑪變換圖上提取零列率項(xiàng)和
2、非零列率項(xiàng)的旋轉(zhuǎn)不變局部二值模式統(tǒng)計(jì)特征；最后，將特征和質(zhì)量分?jǐn)?shù)輸入到支持向量回歸網(wǎng)絡(luò)訓(xùn)練，獲得映射關(guān)系模型。在MLIVE和MDID2013兩個(gè)平面圖像數(shù)據(jù)庫(kù)上驗(yàn)證算法性能，本文提出的方法客觀質(zhì)量預(yù)測(cè)結(jié)果與主觀質(zhì)量分?jǐn)?shù)保持了很好的一致性，性能優(yōu)于現(xiàn)有的主流全參考和無(wú)參考平面圖像質(zhì)量客觀評(píng)價(jià)算法。針對(duì)立體圖像質(zhì)量評(píng)價(jià)進(jìn)行研究，本文提出了一種無(wú)參考立體圖像質(zhì)量客觀評(píng)價(jià)方法。首先，根據(jù)雙目競(jìng)爭(zhēng)特性將左右視圖融合成視網(wǎng)膜重疊cyclopean圖像；然后，計(jì)算視網(wǎng)膜重疊cyclopean圖像的梯度幅度和拉普拉斯變換，得到梯度幅度圖和拉普拉斯變換圖，在梯度幅度圖和拉普拉斯變換圖上提取其邊緣概率分布統(tǒng)計(jì)
3、特征和依賴(lài)關(guān)系分布統(tǒng)計(jì)特征；最后，使用支持向量回歸網(wǎng)絡(luò)訓(xùn)練特征，實(shí)現(xiàn)特征到圖像質(zhì)量分?jǐn)?shù)的映射。在LIVE-3D數(shù)據(jù)庫(kù)I和LIVE-3D數(shù)據(jù)庫(kù)II兩個(gè)立體圖像數(shù)據(jù)庫(kù)上對(duì)所提出的算法進(jìn)行了性能驗(yàn)證，結(jié)果表明：所提出的方法客觀質(zhì)量預(yù)測(cè)效果很好，與主觀質(zhì)量分?jǐn)?shù)保持了很好的相關(guān)性，性能優(yōu)于現(xiàn)有的主流全參考和無(wú)參考圖像質(zhì)量客觀評(píng)價(jià)方法。關(guān)鍵詞：圖像質(zhì)量評(píng)價(jià)，局部沃爾什哈達(dá)瑪變換，局部二值模式，梯度幅度，拉普拉斯變換，支持向量回歸IABSTRACTImagequalityobjectiveevaluationisoneofhottestresearchissueintheareaofimageproce
4、ssing,aneffectiveimagequalityobjectiveassessmentmethodhasgreateffectsonoptimizingtheperformanceofimage/videosystemandadjustingtheparametersofimage/videosystem.Inthispaper,weresearchplaneimagequalityobjectiveevaluation,anoriginalno-referenceimagequalityobjectiveevaluationapproachisraisedtopredictpe
5、rceivedqualityofmultiply-distortedplaneimages.Firstly,theimagesaretransformedintolocalWalshHadamardtransformmapsbylocalWalshHadamardtransform.Secondly,thefeatures(i.e.,rotationinvariantlocalbinarypatternstatisticalfeaturesofzerosequencytermandnon-zerosequencyterms)areextractedonlocalWalshHadamardt
6、ransformmaps.Finally,theextractedfeaturesandimagequalityscoresaretrainedusingsupportvectorregressiontoformtheplaneimagequalityevaluationmodel,whichimplementsmappingfromthecharacteristicspacetotheimagequalityscores.Comprehensiveevaluationsareconductedontwoplaneimagedatabases(i.e.,MLIVEdatabaseandMD
7、ID2013database)andtheresultofthetestshowstheraisedalgorithmconsistswellwithhumansubjectiveperception.Additionally,theperformanceofmethodisobservablyoutperformtheexistenceofbetterfull-referenceandno-referenceplane
