立体图像失真与显著计算模型：质量评价与应用

本文档深入探讨了"人工智能-机器学习-立体图像视觉失真和显著计算模型及其图像质量评价应用"这一主题。随着立体图像技术在医疗、教育、航空等领域的重要应用，立体图像质量评价的研究成为亟待解决的问题。论文主要围绕以下几个核心内容展开： 1. 立体图像失真与显著计算模型：作者根据双目视觉特性，构建了立体图像失真图和三维视觉注意力模型。首先，通过比较原始独眼图像和失真独眼图像，利用MSE计算视觉失真，同时考虑亮度、对比度掩蔽和对比度敏感度等HVS特性，形成可视失真图。接着，利用图像局部块的统计特性（如标准差、峰度和偏度）来定义结构失真图。 2. 立体图像质量评价方法：通过结合可视失真图和结构失真图，建立了立体图像的客观质量评价方法。同时，三维视觉注意力模型结合图像深度信息和中心偏移特性，生成3D显著图，作为2D图像质量评价的加权因子，进一步提升了立体图像质量度量的准确性。 3. 客观质量评价方法的拓展：论文提出了两种不同的评价方法。一种是基于频谱和失真分析，将均方误差失真图和2D显著图作为加权因子，对图像的各个区域进行量化评估；另一种是基于梯度的立体图像质量度量，通过阈值方法确定敏感区域，利用3D梯度结构张量矩阵和特征分解来评估立体图像的客观质量。 这篇宁波大学硕士学位论文不仅关注立体图像的失真识别，还着重于发展有效的质量评价模型，旨在提高立体视频系统的性能和用户体验。通过机器学习和人工智能技术，论文为立体图像处理领域的质量评估提供了创新的理论和实践依据。