基于人类视觉系统的立体图像质量评价方法
基于初级视皮层视觉特性的图像质量评价方法
基于初级视皮层视觉特性的图像质量评价方法张琪;张先鹤;龚丽【摘要】针对现有的图像质量评价方法多从特征提取角度考虑图像的失真,忽视初级视皮层是视觉信息处理和认知推理的前提的问题,受人类视觉系统特性的启发,提出一种基于初级视皮层视觉特性的图像质量评价算法;该方法基于对初级视皮层视觉特性的学习,利用初级视皮层中感受野对视觉感知信息的稀疏编码特性,提取模拟初级视皮层感受野特性的基函数,结合独立成分分析和结构相似度算法构建一种初级视觉相似性测度法,并在LIVE图像数据库中进行实验.结果表明,该模型的预测结果与主观质量评价有很好的一致性,并优于已有的结构相似度算法.【期刊名称】《济南大学学报（自然科学版）》【年(卷),期】2019(033)005【总页数】7页(P403-409)【关键词】图像质量评价;独立成分分析;初级视觉特性;结构相似度【作者】张琪;张先鹤;龚丽【作者单位】湖北师范大学机电与控制工程学院,湖北黄石 435002;湖北师范大学机电与控制工程学院,湖北黄石 435002;中石油管道有限责任公司西气东输分公司,湖北武汉 430074【正文语种】中文【中图分类】TP391图像在获取、压缩、处理、传输、存储、显示过程中很容易失真[1-2]，因此人们一直致力于研究图像质量评价方法，希望能设计出自动、精确感知和识别图像质量，以符合人类视觉感受的方法。
现有的图像质量评价方法都还处于探索阶段，大多从特征提取角度考虑图像失真,却忽视了人类视觉系统强大的处理复杂信息的能力。
人类视觉系统处理了人脑所接受到的80%的外界信息，是最重要的感觉系统[3]。
大量资料显示，视觉系统中初级视皮层V1区对图像质量评价方法的研究起着重要作用，并且，越来越多的证据表明，初级视皮层能够抽取形状特征，可以提取图像的颜色、形状及方向等信息[4]，因此，研究和模拟人类视觉系统中初级视皮层的视觉特性，对图像质量的评价具有重要的意义。
主视皮层V1区的感受野能够对视觉感知信息实现稀疏表示，因此V1区的神经元对这些刺激表达采用的是稀疏编码(sparse coding)原则[5-6]。
【国家自然科学基金】_图像质量客观评价_基金支持热词逐年推荐_【万方软件创新助手】_20140730
科研热词 图像质量评价 人类视觉系统 人眼视觉系统 结构相似度 图像质量 图像增强 静态图像 隶属度函数 量子信号处理 运动信息 边缘宽度 边界距离 距离度量 质量评价 评估方法 计算机应用 视频质量评价 视觉感知 视觉感受 结构相似度(ssim) 结构失真 立体图像质量评价 特定密度 灰色关联度 滤波反投影 注意转移 正则化方向失真 无参考评价 无参考 感兴趣区域 快速 异源 峰值信噪比 客观评价 图像重建 图像融合 图像处理 图像品质 图像压缩 噪声水平 双边滤波 加权熵 全参考评价 二值图像 x射线成像系统 x射线 retinex技术 fnn curvelet变换
推荐指数 6 3 3 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2011年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
推荐指数 4 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2009年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45
2012年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
ssim结构相似度度量
ssim结构相似度度量SSIM（结构相似性度量）是一种评估图像质量的指标，可以用来度量两张图像之间的相似度。
它是一种广泛应用于图像处理和计算机视觉领域的算法，可用于比较图像的亮度、对比度和结构。
SSIM的计算过程非常复杂，需要大量的数学知识和图像处理技术。
下面我将详细介绍SSIM的原理、应用和优缺点。
一、SSIM的原理SSIM的计算基于人类视觉系统（HVS）的知觉特性。
HVS是指人眼和视神经等身体的一部分，用于处理视觉信息。
HVS的特点是对亮度和对比度的敏感度高于对结构的敏感度。
因此，SSIM与我们的视觉系统有很大的相似性。
SSIM的计算分为三个部分，即亮度相似度、对比度相似度和结构相似度。
在亮度相似度方面，SSIM使用一个均值方差结构来确定两幅图像中亮度的平均值。
对于对比度相似度，SSIM使用两个标准方差来计算两幅图像中对比度的变化。
最后，在结构相似度方面，SSIM使用一个互相关系数来比较两幅图像中的结构。
这种方法使得SSIM算法不仅能够计算图像的相似度，还可以捕捉到图像的结构信息。
另外，在计算SSIM时，还需要考虑图像的亮度范围。
由于不同的图像可能有不同的亮度范围，如果不考虑亮度范围，则可能导致错误的结果。
为了解决这个问题，SSIM 使用一个可调节的参数，称为亮度权重。
该参数用于调整亮度范围的权重，从而实现对不同亮度范围的图像进行公平的比较。
二、SSIM的应用SSIM在广泛的图像处理和计算机视觉应用中得到了广泛的应用。
其中一些应用包括：1、图像压缩SSIM可用于评估图像压缩算法的质量。
压缩算法通常会改变图像的亮度、对比度和结构等方面，SSIM可以帮助判断所压缩的图像与原始图像之间的相似性。
这使得压缩算法可以针对不同的图像数据进行优化，从而提高压缩算法的效率。
2、图像增强SSIM可用于评估图像增强算法的质量。
图像增强算法通常会调整图像的亮度、对比度和结构等方面，优化图像的质量。
通过使用SSIM，可以定量评估这些算法对图像质量的影响，根据结果进行优化和改进。
目前视频质量得评价算法主要有2种,主观评价法与客观评价法
目前视频质量得评价算法主要有2种,主观评价法与客观评价法。
根据各算法所引用得源素材多少,可把视频质量客观评价分为3类:全参考评价体系、部分参考评价体系、无参考评价体系。
全参考评价体系:要求占有完整得源素材信息,就是目前客观评价3大体系中发展较为成熟得部分,其现状代表当前客观评价技术得最高水平。
1、基于全像素失真统计得评价方法:以统计理论为基础,逐帧、逐像素比较参考源与测试源得数据差异。
通过获得原数据与待测数据间得总体误码累计,体现像素噪声层面上得绝对误码率,从而反映视频质量。
该类评价方法能敏感捕获两端视频在像素层面上得细微失真,具有很高得敏感性。
此为,其数学方法简单,物理含义清晰,就是目前应用最广泛得评价方法。
但它们都就是从整体上反映原始图像与恢复图像像素层面上得差别,其评价机制无法体现出视频图像数据所承载得不同于一般数据得内容信息,常造成评价结果与主观感受相偏离,并不能较好满足客观评价得应用需求。
该类评价方法得主要代表有:PSNR与MSE等。
其中,与,分别为原始与重建图像中对应得像素值,N2为N×N图像得总像素数。
其中MN为图像大小,与分别代表原始图像与失真图像在点(m,n)处得像素值。
图为PSNR模型进行客观评价得程序流程图。
2.基于人眼视觉系统(HVS)得评价方法。
人眼自身得“生理特点”与人关注内容得“心理特点”都对绝对误码效果产生不同程度得掩蔽效果,使得图像质量好坏得理解并不仅仅依赖绝对误码损耗。
当前,基于HVS得评价方法主要可划分成以下2类主流算法模型:“基于视觉感知得算法模型”与“基于视觉兴趣加权得算法模型”。
2、1 基于视觉感知得算法模型。
人眼“生理特性”主要有:视觉非线性(Weber定律)、视觉灵敏度差异、视觉多通道与掩盖效应等。
利用这些特性,通过模拟视觉感知,将绝对差值映射成能被人眼觉察得JND(Just noticeable difference)单位。
如差错高于视觉得敏感门限,则表示所产生得绝对误码可被察觉;否则差错不足以引起人眼感知,可忽略不计。
一种符合人眼视觉特性的无参考图像边缘质量评价方法
区域的噪声点检测出来 ， 而平坦区域 的噪声点利
用传统的边缘检测算子便检测 出来． 具体 的检测
方 法如 下 ：
作为参考 ， 只需一 幅待评价图像 就可 以完成
整个评 价 过程．
对于图像 ， 中的像 素点 ， Ｙ ，（ ，。 为 （ ）， Ｙ） ， 它的 ３× 邻域内一个像素点 ， ３ 若两个像素点满足 如公式（ ） ５ ， ４ 和（ ） 则定这两个像 素点为相似像素 点， 这里非负 门 限 Ａ的取值 为 ｌ 。Ｅ的取值 为 ５，
文献标志码 ： Ａ 中图 分 类 号 ： Ｐ３ １ Ｔ ９
随着图像处理技术的发展 ， 处理后 图像的质
量 状 况逐渐 受 到人 们 的 重 视． 现有 的 图像 质量 的
评 价 方法 主要 两种 ， 种 是 具 有规 范 数 学 公 式 的 一
果既要考虑失真图像的客观因素， 同时要兼顾主观 因素． 近年来 ， 研究人员提出了一些基于人眼视觉
２． ５ 通过逐个分析邻域 内所有像素点 ， 检测出不满 足 相 似性 判 定 的像素 ． 常情 况下 ， 有失 真 的图 正 没
评价算法步骤如下 ：
输入待评价 图像 ， Ｙ 为 （ ） ，
采用边缘检测算子检测 出边缘图像 ， 平坦区 域 的噪声点直接标定为 １ ． 将检测 出的边缘图像利用边缘相似形约束条 件， 选定 边缘 区域 的噪声 点并 标 记 为 ｌ 非 噪声 点 ，
第 １ 期 １
罗时光 ， 一种符合人 眼视觉特性 的无参考 图像边缘质量评价方法 等：
１３ ０
（． １ ４＇ 。 ０ １４ ￣ ） ］． ｆ
１所示 ：
（） ２
像 边缘 的所 有像 素 点 均 满 足 相似 性 判 定 ， 修 补 但
立体视觉图像显示的实现与研究的开题报告
立体视觉图像显示的实现与研究的开题报告一、研究背景立体视觉图像显示是一种将场景转换为可以为人类立体感知的形式的技术。
它使用一种称为立体成像的技术创建具有深度感的影像，使人眼睛看到不同的角度，从而产生3D束体效应。
随着虚拟现实、增强现实等技术的发展和应用，立体视觉图像显示技术也得到了广泛的应用。
二、研究内容本文将主要研究以下内容：1. 立体成像技术的原理及应用立体成像是通过在左右眼睛之间以不同的方式呈现两个角度不同的图像来产生立体效果的技术。
在本文中，我们将比较和研究不同的立体成像技术、算法和设备，包括有直接视差立体成像、长宽比图像立体成像、基于纹理论的立体成像、基于深度信息的立体成像等。
2. 人类视觉系统的特征与模型人类视觉系统是立体视觉的基础，在研究立体视觉图像显示技术的同时，也需要深入了解和研究人类视觉系统的特征和模型。
3. 立体视觉图像的质量评估对于不同的立体成像技术，如何评估其输出的立体视觉图像的质量是一个重要的问题，这也将是本文的研究重点之一。
4. 立体视觉图像的应用立体视觉图像的应用广泛，包括虚拟现实、医学、娱乐、广告等领域。
本文将研究立体视觉图像在不同领域的应用，探索未来的发展方向。
三、研究意义随着人们对高质量立体视觉图像的需求越来越大，研究立体视觉图像显示技术变得越来越重要。
本文的研究和探索将有助于：1. 提高立体视觉图像的质量和效果；2. 推动立体视觉技术的发展和应用；3. 为医学、娱乐、广告等领域提供更加逼真的立体视觉体验；4. 探索虚拟现实和增强现实等新兴技术的发展方向。
四、研究方法本文将结合文献研究和实验研究的方法，利用MATLAB、OpenCV等软件平台进行数据分析和算法开发，实现立体视觉图像的生成和评估。
五、研究成果本文的研究成果包括：1. 立体成像技术的比较及优缺点分析；2. 人类视觉系统的特征和模型研究及应用探索；3. 基于常用评估指标的立体视觉图像质量评估模型开发及实验验证；4. 立体视觉图像在医学、娱乐、广告等领域的应用探索。
图像质量评价的方法和意义
在图像信息技术被广泛应用的情况下，对图像质量的评估变成一个广泛而基本的问题。
由于图像信息相对于其它信息有着无可比拟的优点，因此对图像信息进行合理处理成为各领域中不可或缺的手段。
在图像的获取、处理、传输和记录的过程中，由于成像系统、处理方法、传输介质和记录设备等不完善，加之物体运动、噪声污染等原因,不可避免地带来某些图像失真和降质，这给人们认识客观世界、研究解决问题带来很大的困难。
比如，在图像识别中，所采集到的图像质量直接影响识别结果的准确性和可靠性；又如，远程会议和视频点播等系统受传输差错、网络延迟等不利因素影响，都需要在线实时的图像质量监控，以便于服务提供商动态地调整信源定位策略，进而满足服务质量的要求；在军事应用方面，战场监视和打击评估的效果也取决于无人机等航拍设备所采集到的图像或视频的质量。
因此，图像质量的合理评估具有非常重要的应用价值。
从有没有人参与的角度区分，图像质量评价方法有主观评价和客观评价两个分支。
主观评价以人作为观测者，对图像进行主观评价，力求能够真实地反映人的视觉感知；客观评价方法借助于某种数学模型，反映人眼的主观感知，给出基于数字计算的结果。
图像质量的主观评价主观评价只涉及人作出的定性评价，它以人为观察者，对图像的优劣作出主观的定性评价。
对于观察者的选择一般考虑未受训练的“外行”或者训练有素的“内行”。
该方法是建立在统计意义上的，为保证图像主观评价在统计上有意义，参加评价的观察者应该足够多。
主观评价方法主要可分为两种：绝对评价和相对评价。
绝对评价所谓绝对评价，是由观察者根据自己的知识和理解，按照某些特定评价性能对图像的绝对好坏进行评价。
通常，图像质量的绝对评价都是观察者参照原始图像对待定图像采用双刺激连续质量分级法（Double Stimulus Continuous Scale,DSCQS），给出一个直接的质量评价值。
具体做法是将待评价图像和原始图像按一定规则交替播放持续一定时间给观察者，然后在播放后留出一定的时间间隔供观察者打分，最后将所有给出的分数取平均作为该序列的评价值，即该待评图像的评价值。
主客观一致的图像感知质量评价方法
2023-11-10
• 引言 • 图像质量评价模型 • 图像质量评价实验 • 图像质量评价模型优化 • 结论与展望
01
引言
研究背景与意义
1
随着数字图像技术的快速发展，图像质量评价在 诸多领域具有广泛的应用价值，如电子商务、社 交媒体、遥感监测等。
2
然而，现有的图像质量评价方法往往基于客观指 标，难以与人类视觉系统对图像的感知一致。
统计分析
对客观和主观评价结果进行统计分析，如计算相关系数、 回归分析等，以评估两者的一致性。
01
可视化分析
将客观和主观评价结果以图表的形式进 行可视化展示，以更直观地评估两者的 一致性。
02
03
模型优化
根据主客观一致性分析结果，对图像 质量评价模型进行优化和调整，以提 高其评价结果的准确性和可靠性。
Human Vision System
人类视觉系统评价方法是一种主观评价方法，通过人类观察者对图像质量进行评价，通常采用评分或排序的方式。
实验结果与分析
要点一
PSNR和SSIM的结果分析
PSNR和SSIM的结果表明，基于深度学习的图像超分 辨率模型在客观评价上取得了较好的性能。然而，这 些客观评价方法并不能完全反映人类的视觉感知。
3
因此，研究主客观一致的图像感知质量评价方法 具有重要的理论和应用价值。
研究现状与问题
现有的图像质量评价方法主要分为两类：主观 评价方法和客观评价方法。
主观评价方法依赖于人的视觉判断，具有较高 的评价精度，但受限于人力、时间成本等因素 ，难以在实际应用中大规模使用。
客观评价方法则基于图像的数学特征和物理参 数进行评价，具有快速、便捷的优点，但往往 与人的视觉感知不一致。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
智 能 计 算 机 与 应 用
Ｉ ＮＴＥＬＬＩ ＧＥＮＴ ＣＯＭＰＵＴＥＲ ＡＮＤ ＡＰＰＬ Ｉ ＣＡＴ Ｉ ＯＮＳ
Ｖ０ １ ． ４ Ｎｏ ． １ Ｆ ｅ ｂ． ２ ０ １ ４
基 于人 类 视 觉 系统 的 立体 图像 质 量 评 价 方 法
ｆ ｉ ｃ ｉ ｅ ｎ ｔ ｌ ｙ ｃ ｏ ｍ ｐ ｌ ｅ ｔ ｅ ｔ ｈ ｅ ｓ ｔ ｅ ｒ ｅ ｏ ｓ ｃ ｏ ｐ ｉ ｃ ｉ ｍａ ｇ ｅ ｑ ｕ ａ ｌ ｉ ｔ ｙ ｅ ｖ ａ ｌ ｕ ａ ｔ ｉ ｏ ｎ ｆ ｏ ｒ ｆ ｕ ｒ ｔ ｈ ｅ ｒ ａ ｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｓ ， ｂ ｕ ｔ ｔ ｈ ｅ ｓ ｕ ｂ ｊ ｅ ｃ ｔ ｉ ｖ ｅ ｑ ｕ ａ ｌ ｉ ｔ ｙ ａ ｓ ｓ ｅ ｓ ｓ ｍｅ ｎ ｔ ｉ ｓ
文献标识 码 ： Ａ
文章编号 ： ２ ０ ９ ５— ２ １ ６ ３ （ ２ ０ １ ４ ） ０ １ — ０ ０ ５ ０— ０ ４
Ｈｕ ｍａ ｎ Ｖ ｉ ｓ ｕ ａ ｌ Ｓ ｙ ｓ ｔ ｅ ｍ Ｂ ａ ｓ ｅ ｄ Ｓ ｔ ｅ ｒ ｅ ｏ ｓ ｃ ｏ ｐ ｉ ｃ Ｉ ｍａ ｇ ｅ Ｑｕ ａ ｌ ｉ ｔ ｙ Ａｓ ｓ ｅ ｓ ｓ ｍｅ ｎ ｔ
Ｗ ＡＮＧ Ｈａ ｉ ｉ ｆ ａ ｎ ｇ ，Ｊ Ｉ ＡＮＧ Ｆ ｅ ｎ ｇ ，ＧＡｏ Ｗｅ ｎ 。 （ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｃ ｏ ｍｐ ｕ ｔ ｅ ｒ Ｓ ｄ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ， Ｈａ ｒ ｂ ｉ ｎ Ｉ ｎ ｓ ｔ ｉ ｔ ｕ ｔ ｅ ｏ ｆ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ， Ｈａ ｒ ｂ ｉ ｎ １ ５ ０ ０ ０ １， Ｃｈ ｉ ｎ ａ ； Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｅｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ ｓ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ பைடு நூலகம் ｉ ｎ ｇ ａ ｎ ｄ Ｃｏ ｍｐ ｕ ｔ ｅ ｒ Ｓ ｃ Ｏｎ ｃ ｅ ，Ｐ ｅ ｋ ｉ ｎ ｇ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ， Ｂ ｅ ｉ ｊ ｉ ｎ ｇ １ ０ ０ ８ ７ １ ， Ｃｈ ｉ ｎ ａ ）
ｄ ｉ ｆ ｉ ｆ ｃ ｕ ｌ ｔ ｔ ｏ ｍｅ ｅ ｔ ｔ ｈ ｅ ｒ ｅ ｑ ｕ ｉ ｒ ｅ ｍｅ ｎ ｔ ｓ ｉ ｎ ｔ ｅ ｒ ｍｓ ｆ ｏ ｅ ｆ ｉ ｆ ｃ ｉ ｅ ｎ ｃ ｙ ．Ｔ ｈ ｅ ｒ ｅ ｆ ｏ ｒ ｅ， ｔ ｈ ｅ ｐ ａ ｐ ｅ ｒ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｓ ａ ｐ ｅ ｒ ｃ ｅ ｐ ｔ ｕ ａ ｌ ｑ ｕ ａ ｌ ｉ ｔ ｙ ｅ ｖ ａ ｌ ｕ ａ ｔ ｉ ｏ ｎ ｌｇ ａ ｏ — ｒ ｉ ｔ ｈ ｍ ，ｗｈ ｉ ｃ ｈ ｃ ｏ ｍｂ ｉ ｎ ｅ ｓ ｓ ｏ ｍｅ ｃ ｈ ａ ｒ ａ ｃ ｔ ｅ ｉｓ ｒ ｔ ｉ ｃ ｓ ｆ ｏ ｔ ｈ ｅ ｈ ｕ ｍａ ｎ ｖ ｉ ｓ ｕ ａ ｌ ｓ ｙ ｓ ｔ ｅ ｍ．Ｆ ｉ ｒ ｓ ｔ ，ｔ ｈ ｅ ｐ ａ ｐ ｅ ｒ ｏ ｂ ｔ ａ ｉ ｎ ｓ ｔ ｈ ｅ ｄ ｉ ｓ ｐ ａ ｉｔ ｒ ｙ ｍａ ｐ，ｔ ｈ ｅ ｎ
王海 亮 ， 姜 峰 ， 高 文
（ １ ． 哈尔滨工业大学 计算机科学与技术学院 ，哈尔滨 １ ５ ０ ０ ０ １ ； ２ ． 北京大学 信息科学技术学院 。 北京 １ ０ ０ ８ ７ １ ）
摘
要： 随着立体图像的大规模 发展 ， 很多应用场合需要能够迅速有效地完成 对立体 图像 的质量评价工作 ， 以便于后续应 用 ， 而
ｕ ｓ ｅ ｄ ｔ ｏ ｉ ｎ ｔ ｅ ｇ ｒ ａ ｔ ｅ ｔ ｈ ｅ ｗｅ ｉ ｇ ｈ ｔ ｅ ｄ ｄ ｉ ｓ ｐ ａ ｉ ｒ ｔ ｙ ｍａ ｐ ．Ｆ ｉ ｎ ａ ｌ ｌ ｙ， ｔ ｈ ｅ ｍｕ ｈｉ ｓ ｅ ｌｅ ａ ｓ ｔ ｒ ａ ｔ ｅ ｇ ｙ ｉ ｓ ａ ｐ ｐ ｌ ｉ ｅ ｄ ｔ ｏ ｃ ｏ ｍｐ ｕ ｔ ｅ ｔ ｈ ｅ ｉ ｆ ｎ ａ ｌ ｓ ｃ ｏ ｒ ｅ ．Ｔ ｈ ｅ ＥＰ —
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｗｉ ｔ ｈ ｔ ｈ ｅ ｌ ａ ｒ ｇ ｅ—ｓ ｃ ａ ｌ ｅ ｄ ｅ ｖ ｅ ｌ ｏ ｐ ｍｅ ｎ ｔ ｏ ｆ ｓ ｔ ｅ ｒ ｅ ｏ ｓ ｃ ｏ ｐ ｉ ｃ ｉ ｍａ ｇ ｅ ｓ ，ｍａ ｎ ｙ ａ ｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｓ ｎ ｅ ｅ ｄ ｔ ｈ ｅ ａ ｂ ｉ ｌ ｉ ｔ ｙ ｔ ｏ ｑ ｕ ｉ ｃ ｋ ｌ ｙ ａ ｎ ｄ ｅ ｆ －
量评价算法 。实验显示算法最后得到 的客观分数和 Ｅ Ｐ Ｆ Ｌ数据库 中的主观分数具有高度 的一致性和单调性 ， 证明了文中的立体 图 像 感知质量评价算法是有效 的。
关键词 ： 立体 图像 ； 无参考质量评价 ； 视差 ； 边缘检测 ； 多尺度
中图分类号 ： Ｔ Ｐ ３ ９ １ ． ４ １
ａ ｄ ｊ ｕ ｓ ｔ ｓ ｔ ｈ ｅ ｄ ｉ ｓ ｐ ａ ｒ ｉ ｔ ｙ ｍ ａ ｐ ｔ ｈ ｒ ｏ ｕ ｇ ｈ ｔ ｈ ｅ ｗ ｅ ｉ ｇ ｈ ｔ ｓ ｉ ｎ ｔ ｈ ｅ ｅ ｄ ｇ ｅ ｍ ａ ｐ ａ ｎ ｄ ｔ ｈ ｅ ｓ ａ ｌ ｉ ｅ ｎ ｃ ｙ ｍ ａ ｐ ．Ａ ｆ ｔ ｅ ｒ ｔ ｈ ａ ｔ ，ｔ ｈ ｅ Ｍｉ ｎ ｋ ｏ ｗ ｓ ｋ ｉ ｐ ｏ ｏ ｌ ｉ ｎ ｇ ｉ ｓ
对其进行 主观质量评价在效率上很难满足要求。因此 ， 提出了一种感 知质量评价算法 ， 并结合 了一些人类 视觉系统 的特 性。首先 需要得到视差 图， 然后通过边界图和显著图来对视差 图进行加权调整 。接着使用 Ｍｉ ｎ ｋ ｏ ｗ ｓ ｋ ｉ 融合方法将加权后的视差 图整合成感
知分数 。最后 ， 使用 多尺度分析来得到最终的感知质量分数。通过使 用 Ｅ Ｐ Ｆ Ｌ 立体质量评价数据库来验证文中的立体图像 感知质