基于神经网络的立体图像质量客观评价

《基于神经网络的立体图像质量客观评价》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于神经网络的立体图像质量客观评价ObjectiveQualityAssessmentofStereoscopicImagesBasedonNeuralNetworkAlgorithms领域：电子与通信工程作者姓名：孟迪指导教师：李素梅副教授企业导师：侯瑞高级工程师天津大学电子信息工程学院二零一五年十二月摘要随着立体成像技术的不断发展，准确、有效地评价立体图像质量已成为立体技术领域的研究热点及难点之一。立体图像质量的评价方法分为主观评价和客观评价两种。主观评价由合格被试依据自身主观感受对测试图像质量给出评分，这种方法能够真实准确地反映图像的质量，但它耗时耗力，且

2、可操作性较差。因而，建立一套有效的立体图像质量客观评价模型已成为立体成像技术的重点研究课题之一。论文在对立体图像质量评价的研究背景、发展现状、发展趋势及其他相关理论进行阐述的基础上，考虑到目前人类视觉系统的相关研究仍存在较大的局限性，提出采用正交局部保留投影和极端学习机的方法建立立体图像质量评价系统。鉴于立体图像具有复杂度高、信息量大的特点，论文选取正交局部保留投影法对图像进行有效地降维处理，该方法可以在对图像降维的同时保留不同类别图像间的结构，可以更有效地提取出立体图像的特征。极端学习机网络具有参数选择简单、泛化性好等特点，但是该网络具有一定的随机性。鉴于此，

3、论文提出采用经过遗传算法优化的极端学习机作为分类器，使评价系统可以获取更好的分类识别性能。本文选取了380幅经过不同失真处理、覆盖不同评分等级的立体图像，其中154幅为训练样本，226幅为测试样本。实验结果表明，选用正交局部保留投影法作为特征提取方法，使用ELM分类器在测试样本中的客观评分正确率可以达到93.36%，比选用主成分分析法所能达到的92.03%的准确率有更好的表现。使用遗传算法对网络参数进行优化后，ELM网络的分类正确率可以达到96.03%，使评价系统的准确率有了明显的提高。此外，本文还对不同神经网络分类器的质量评价性能进行了分析比较。关键词：立体图

4、像，客观评价，正交局部保留投影，神经网络，遗传算法ABSTRACTWiththedevelopmentofstereoimagingtechnology,accurateandeffectiveassessmentofstereoimagequalityhasbecomeoneofthehotanddifficultissuesinthefieldofstereotechnology.Imagequalityassessmentcanbedividedintotwokindsofmethods:subjectiveassessmentandobjectiveas

5、sessment.Subjectiveassessmentisgivenbyqualifiedsubjectsaccordingtotheirownfeelingsduringtheviewingprocess.Thiskindofmethodcanaccuratelyreflectthequalityofastereoimage,butitistimeconsumingandisnoteasytoimplement.Therefore,toestablishasetofeffectiveobjectivequalityassessmentmodelofster

6、eoscopicimagehasbecomeakeyresearchtopicofthestereoimagingtechnology.Thispaperintroducedtheresearchbackground,developmentstatus,developmenttrendsandotherrelevanttheoriesofstereoimagequalityassessment.Consideringthelimitationsofthepresentresearchesonhumanvisualsystem,thispaperproposesa

7、stereoscopicimagequalityassessmentsystembasedonorthogonallocalitypreservingprojectionandextremelearningmachine.Becauseofthehighcomplexityandlargeamountofinformationastereoimagecontains,itisnecessarytouseappropriatefeatureextractionmethodtoreducethedimensionoftheimage.Theorthogonalloc

8、alpreserving