仿视觉细胞模型驱动的立体图像质量评价新法

本文主要探讨了"基于仿视觉细胞模型的立体图像质量评价方法"。该研究关注于模拟人眼视觉系统（HVS）在观察立体图像时的工作原理，因为HVS通过视网膜细胞处理和理解来自两只眼睛的双目信息。研究者提出了一种新颖的立体图像质量评估(SIQA)模型，其核心是构建简单细胞和复杂细胞的仿生模型，这两种细胞在HVS中起着关键作用。 首先，研究人员借鉴视网膜细胞的特性和功能，将这种生物启发式应用于计算机视觉。简单细胞负责低级的边缘检测和空间对比度处理，而复杂细胞则处理更复杂的纹理和形状信息。通过这些模型，双目信息被转换为双目融合视点图(BFVM)和双目细胞差异图(BCDM)，这两者反映了人眼在融合立体视觉中的响应。 接着，利用多尺度结构相似度(MSSIM)算法对原始和失真立体图像的BFVM和BCDM进行评估。MSSIM是一种常用的图像质量评价指标，它考虑了图像的结构和细节，能够量化图像的相似度。BFQA评估的是双目融合视图的质量，而BSPA则评估立体深度感知的准确性，两者都是评估立体图像质量的重要维度。 最后，对BFQA和BSPA的评分进行加权融合，得出最终的立体图像质量评分。实验结果显示，这种方法表现出高度的线性相关性和秩相关性，具体来说，Pearson线性相关系数超过0.94，Spearman秩相关系数超过0.93，这表明该模型在模拟人眼视觉特性方面非常有效，并且在预测立体图像质量方面具有较高的准确度。 这项工作不仅深入理解了人类视觉系统的工作机制，还开发出了一种实用的工具来量化立体图像的质量，对于立体影像技术、虚拟现实和增强现实等领域具有重要意义。通过这种方法，可以为立体图像的压缩、编码、传输和显示优化提供有价值的指导，提高用户的观看体验。