基于CNN的無參考立體圖像質(zhì)量評估算法的研究與實(shí)現(xiàn).pdf

1、近年來，伴隨著多媒體技術(shù)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(dá)直觀、豐富，而尤其以立體圖像能給人以真實(shí)的臨場感受，帶來了新的諸多應(yīng)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(jìn)行圖像質(zhì)量的評估，將對后期能否對圖像進(jìn)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(jìn)行主觀觀測的方式來獲得圖像的質(zhì)量評價，但是這樣做在耗費(fèi)大量人力及時間的基礎(chǔ)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(jī)技術(shù)評估方面，由于立體圖像自身結(jié)構(gòu)特點(diǎn)，當(dāng)前諸多算法仍存在應(yīng)用環(huán)境不廣，評測效率低下等缺點(diǎn)。因此，當(dāng)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(zhì)量進(jìn)行評估。
　　隨著機(jī)器學(xué)習(xí)的快速發(fā)展，近十年來以卷積神經(jīng)網(wǎng)絡(luò)為主的深度學(xué)習(xí)技術(shù)在物體識別、圖像理解等方面取得了突破性的進(jìn)展。包括卷積神經(jīng)網(wǎng)絡(luò)在內(nèi)的深度學(xué)習(xí)模型，能通過對海量數(shù)據(jù)深度挖掘，提取數(shù)據(jù)深層特征信息，以自學(xué)習(xí)的方式對目標(biāo)

3、進(jìn)行求解，有效解決相關(guān)問題。因此，本文提出使用卷積神經(jīng)網(wǎng)絡(luò)，利用平面圖像、立體圖像中的視圖信息和差分信息，構(gòu)建一類無參考立體圖像質(zhì)量評估算法。本文具體工作及創(chuàng)新點(diǎn)如下:
　　1、利用卷積網(wǎng)絡(luò)能高效處理圖像信息的優(yōu)勢，使用卷積神經(jīng)網(wǎng)絡(luò)處理立體圖像質(zhì)量評估問題，深度挖掘立體圖像空間信息，將特征學(xué)習(xí)和目標(biāo)訓(xùn)練結(jié)合為一個有機(jī)的整體，并利用卷積神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)能力，在不借助原始圖像基礎(chǔ)上，構(gòu)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(yīng)用場景。
　　2、針對立體圖像結(jié)構(gòu)特點(diǎn)，構(gòu)造三組數(shù)據(jù)來源不同的卷積神經(jīng)網(wǎng)絡(luò)模型，從不同角度挖掘圖像深層信息與主觀質(zhì)量映射關(guān)系。充分利用多通道效應(yīng)、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(xué)習(xí)圖像中的空間結(jié)構(gòu)，將各類信息進(jìn)行多通道回歸分析，擬合于圖像主觀質(zhì)量分?jǐn)?shù)。
　　3、基于多組卷積神經(jīng)網(wǎng)絡(luò)的研究，考察對于立體圖像數(shù)據(jù)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(jié)構(gòu)相似性，使用遷移學(xué)習(xí)將平面圖像信息應(yīng)用與立體圖像質(zhì)量評估算法中，以此在擴(kuò)充數(shù)據(jù)庫的前提下，提升網(wǎng)絡(luò)學(xué)習(xí)的能力及泛化能力。
　　本文通過使用LIVE2D、LIVE3D、IVC圖像數(shù)據(jù)庫中相關(guān)圖像對本文所提出的模型進(jìn)行驗證，最終得到本模型在同數(shù)據(jù)庫和跨數(shù)據(jù)庫訓(xùn)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(fèi)人力、應(yīng)用場景不足的缺點(diǎn)，為進(jìn)一步對立體圖像質(zhì)量