基于CNN的無參考立體圖像質量評估算法的研究與實現(xiàn).pdf

1、近年來，伴隨著多媒體技術的快速發(fā)展，圖像信息在日常生活中使用的越加廣泛。圖像信息表達直觀、豐富，而尤其以立體圖像能給人以真實的臨場感受，帶來了新的諸多應用。但是在立體圖像成像過程中的圖像信息采集、壓縮、傳輸、解碼、顯示過程中，如何合理又高效的對圖像信息進行圖像質量的評估，將對后期能否對圖像進行行之有效的處理有極大的影響。以往通常使用利用人工對圖像進行主觀觀測的方式來獲得圖像的質量評價，但是這樣做在耗費大量人力及時間的基礎上，將極大程度上

2、影響多媒體系統(tǒng)的效率。在使用計算機技術評估方面，由于立體圖像自身結構特點，當前諸多算法仍存在應用環(huán)境不廣，評測效率低下等缺點。因此，當前迫切的需要一種不用依靠人工，能夠自動且高效的評估手段，對立體圖像質量進行評估。
　　隨著機器學習的快速發(fā)展，近十年來以卷積神經網絡為主的深度學習技術在物體識別、圖像理解等方面取得了突破性的進展。包括卷積神經網絡在內的深度學習模型，能通過對海量數據深度挖掘，提取數據深層特征信息，以自學習的方式對目標

3、進行求解，有效解決相關問題。因此，本文提出使用卷積神經網絡，利用平面圖像、立體圖像中的視圖信息和差分信息，構建一類無參考立體圖像質量評估算法。本文具體工作及創(chuàng)新點如下:
　　1、利用卷積網絡能高效處理圖像信息的優(yōu)勢，使用卷積神經網絡處理立體圖像質量評估問題，深度挖掘立體圖像空間信息，將特征學習和目標訓練結合為一個有機的整體，并利用卷積神經網絡自學習能力，在不借助原始圖像基礎上，構建無參考的評價方式，避免了算法使用的局限性，大大提升

4、了算法的應用場景。
　　2、針對立體圖像結構特點，構造三組數據來源不同的卷積神經網絡模型，從不同角度挖掘圖像深層信息與主觀質量映射關系。充分利用多通道效應、立體感知等模仿人眼視覺特性。分析來自立體圖像中的視圖信息和差分信息，有效學習圖像中的空間結構，將各類信息進行多通道回歸分析，擬合于圖像主觀質量分數。
　　3、基于多組卷積神經網絡的研究，考察對于立體圖像數據庫不充足缺陷的解決辦法。通過對立體圖像中差分信息和視圖信息的處理，

5、利用兩者間的結構相似性，使用遷移學習將平面圖像信息應用與立體圖像質量評估算法中，以此在擴充數據庫的前提下，提升網絡學習的能力及泛化能力。
　　本文通過使用LIVE2D、LIVE3D、IVC圖像數據庫中相關圖像對本文所提出的模型進行驗證，最終得到本模型在同數據庫和跨數據庫訓練環(huán)境下，模型評價效果與主觀評價模型有很高的一致性，且評估水平超過了各大主流評估算法。因此，本文克服了傳統(tǒng)方法浪費人力、應用場景不足的缺點，為進一步對立體圖像質量