论文部分内容阅读
因在图像处理过程中难免会引入不同类型及不同程度的失真,对图像信息的获取产生严重的影响,故可靠有效的图像质量评价技术具有非常重要的研究价值和实际意义。将四元数理论应用在图像处理中,能够保留彩色图像三通道之间的相关性以及图像的色度信息。奇异值分解生成的基图像能反映图像的质量变化。因此,本文以四元数奇异值分解为基础对平面彩色图像和立体彩色图像质量评价算法进行相关研究,主要内容如下:(1)噪声失真是一种最常见且种类最多的失真类型,但目前针对除高斯噪声外的其它噪声失真类型的研究较少。故本文提出一种无需学习的且能同时评价5种噪声失真的无参考彩色噪声图像质量评价方法。该方法基于四元数奇异值分解,利用图像的奇异值倒数曲线所围成的面积与噪声图像失真程度的关系,推导出表示图像失真的质量指数。该方法不需要任何图像或失真的先验知识,也不需要任何训练过程。(2)现有的全参考图像质量评价算法均是直接对图像进行质量评估,未考虑图像噪声信息对图像失真的影响,且一般传统方法不易提取出图像的噪声信息。针对此问题,本文提出一种基于四元数奇异值分解的图像质量评价算法。该模型首先对彩色图像及其局部方差用四元数表示并进行奇异值分解,取后75%的奇异值信息作为图像噪声信息部分。然后,分别对彩色图像整体和图像噪声信息部分提取特征。最后将特征输入到核极限学习机中进行学习,预测失真图像质量。该模型考虑到彩色图像三通道的相关性、局部方差分布的特征、图像噪声部分对图像失真的影响以及特征的提取,因此捕获到更加全面的信息。实验结果表明,该算法具有可靠性和有效性,与最新的图像质量评价算法相比具有更好的性能。(3)目前大多数立体图像质量评价算法均是作用于灰度图像,从而丢失了图像的色彩信息。并且在基于显著图的立体图像质量评价模型中应用平面显著图特征,由于忽略了立体图像的深度信息和视差信息,所以是不合理且无效的。针对这些问题,本文提出一种基于立体显著图和视差图的立体图像质量评价方法。首先根据立体图像对的左视图和右视图分别获得平面显著图、深度显著图和视差图。其次,将平面显著图和深度显著图融合为立体显著图,保留了立体图像的深度信息和视差信息。接下来对左视图、右视图、立体显著图和视差图进行四元数奇异值分解处理获得奇异值和四元数奇异向量积。随后分别计算参考图像对和失真图像对的左视图、右视图、立体显著图和视差图奇异值的欧式距离以及奇异向量积的SSIM分数。最后将特征输入到核极限学习机中进行学习,预测得出失真图像质量分数。在LIVE 3D Phase I和LIVE 3D Phase II立体图像数据库上实验结果表明,预测失真图像质量分数与人类主观质量评分具有较高的相关性,且与最新的立体图像质量评价算法相比具有更好的性能。