立体图像质量评价:基于双树复小波与AdaBoosting BP神经网络
需积分: 9 45 浏览量
更新于2024-09-07
收藏 851KB PDF 举报
"本文提出了一种基于双树复小波变换的无参考立体图像质量评价算法,该算法在LIVE立体图像数据库上显示出良好的预测性能。"
立体图像质量评价是随着3D技术发展而愈发重要的一个领域,因为人们对于图像清晰度的需求不断提升。顾婷婷、刘新会、桑庆兵和李朝锋等人在《计算机工程与应用》期刊上发表的研究论文,提出了一种创新的方法来解决这个问题。他们利用双树复小波变换这一强大的信号分析工具,针对立体图像的左、右视图进行处理。
双树复小波变换是一种高级的数学工具,它能够有效地分解图像的多尺度细节信息,适用于图像处理和分析。在这个研究中,通过双树复小波变换,研究人员可以生成纹理结构图像,并进一步利用最小能量误差原理计算出左右视图之间的视差图。视差图是立体视觉中的关键元素,它反映了不同视图之间像素的深度差异。
接下来,研究者从纹理结构图像和视差图中提取了多个特征,包括非对称广义高斯分布模型的参数、梯度幅值、相对梯度方向方差以及奇异值曲线与坐标轴的面积。这些特征反映了图像的结构信息、边缘强度和复杂性,对于评估图像质量至关重要。
为了将这些特征转化为实际的质量评分,研究团队采用了AdaBoosting BP神经网络。AdaBoosting是一种集成学习方法,能通过组合多个弱分类器构建强分类器,而BP(Backpropagation)神经网络则是一种常用的非线性模型,擅长处理复杂的非线性关系。将这两个方法结合,可以训练出一个准确预测立体图像质量得分的模型。
在LIVE立体图像数据库上进行的实验验证了这种方法的有效性。实验结果显示,新提出的算法预测的图像质量得分与人的主观评价有高度的一致性,证明了其在立体图像质量评价领域的优越性能。
这项研究为立体图像质量的自动评价提供了新的思路,特别是在没有参考图像的情况下,这有助于提升3D内容的制作和显示标准,满足用户对高质量3D体验的追求。通过双树复小波变换和智能学习算法的结合,研究人员展示了如何从图像的基本属性中挖掘出反映质量的关键信息,这对未来图像处理技术的发展具有指导意义。
点击了解资源详情
点击了解资源详情
点击了解资源详情
2019-09-11 上传
2019-09-13 上传
2019-09-06 上传
2021-09-18 上传
2021-01-12 上传
2021-09-25 上传
weixin_38743481
- 粉丝: 697
- 资源: 4万+
最新资源
- C语言数组操作:高度检查器编程实践
- 基于Swift开发的嘉定单车LBS iOS应用项目解析
- 钗头凤声乐表演的二度创作分析报告
- 分布式数据库特训营全套教程资料
- JavaScript开发者Robert Bindar的博客平台
- MATLAB投影寻踪代码教程及文件解压缩指南
- HTML5拖放实现的RPSLS游戏教程
- HT://Dig引擎接口,Ampoliros开源模块应用
- 全面探测服务器性能与PHP环境的iprober PHP探针v0.024
- 新版提醒应用v2:基于MongoDB的数据存储
- 《我的世界》东方大陆1.12.2材质包深度体验
- Hypercore Promisifier: JavaScript中的回调转换为Promise包装器
- 探索开源项目Artifice:Slyme脚本与技巧游戏
- Matlab机器人学习代码解析与笔记分享
- 查尔默斯大学计算物理作业HP2解析
- GitHub问题管理新工具:GIRA-crx插件介绍