基于BEMD的无参考模糊失真立体图像质量评价方法

本文针对高斯模糊失真的立体图像,提出了一种基于二维经验模式分解的无参考质量评价方法。该方法先通过二维经验模式分解将图像分解成内蕴模式函数分量和残差图像,再对每个内蕴模式函数分量提取它的统计信息量(均值,方差和信息熵),并结合广义高斯分布方法提取每个内蕴模式函数分量的形状参数、尺度参数作为图像的特征信息,然后利用支持向量回归模型对特征进行融合并预测得到立体图像质量的客观评价值。实验结果表明,该模型与主观评价结果有较好的相关性,符合人眼视觉系统。     

一种面向视点绘制的深度图像后处理方法

基于深度图像的绘制是三维视频系统中的一项关键技术。然而,深度编码失真会对后续虚拟视点绘制的性能产生极大的影响。提出了一种面向虚拟视点绘制的深度图像后处理方法,利用基于置信区间的交点规则确定深度图像中每个像素点的滤波窗口,利用最小均方逼近多项式技术估计每个像素点的深度值,再利用加权模式滤波器对估计的深度图像进行滤波处理,得到深度滤波图像。实验结果表明,该方法能够精确地恢复出真实深度信息,提高虚拟视点图像的绘制性能。     

基于场景模式的立体图像舒适度客观评价模型

为了预测双目立体图像内容对视觉健康可能产生的危害,该文提出一种基于场景模式的立体图像舒适度客观评价模型。根据场景中前景目标和后景区域相对于显示屏幕的凹凸性以及是否处于舒适观看区,将自然场景抽象为多种场景模式。在模式选择阶段,从视差图中自适应分割出前景目标和后景区域,根据前、后景的视差角特征确定场景所属的模式;在建模阶段,采用前、后景的视差角特征结合前景的宽度角和曲折度特征对各个场景模式分别进行建模,并量化了前、后景视差因素对视觉舒适度的影响。在IVY数据库上的实验结果表明,所提出的模型与主观感知存在较好的一致性,Pearson相关系数高于0.91, Spearman相关系数高于0.90, Kendall相关系数高于0.74,平均绝对值误差低于0.24,均方根误差低于0.32,与现有的方法相比,该文所提出的模型的评价效果更好,更接近于主观测试结果。     

东北电网有限公司关口计量点现状及整改建议

从技术和管理的角度调查和统计了东北电网有限公司的电能计量关口点的现状和存在的问题,并对问题提出了有效的整改建议,为东北电网有限公司电能计量工作的完善提供参考。     

Ray-space数据片内和片间相关性压缩分析

Ray-space数据特征分析表明,其片内和片间均存在很大相关性,并且其数据有明显的方向性特征。通过最优宏块分割、不同精度的块匹配和多参考片预测结果分析,讨论了适合Ray-space数据特点的片内和片间预测技术。与传统的只利用片内相关性的压缩技术相比,利用上述两类相关性,并结合Ray-space数据方向性特征,能进一步提高编码压缩效率。在获得相同重建图像质量下,可使基于H.264的Ray-space压缩方法比基于H.263的方法在码率上节省50%,比JPEG的方法节省75%左右。     

一种立体全景图像显著性检测模型

三维全景给用户提供360°视角的同时给人以强烈的三维立体真实感,虽然近年来研究人员开发了大量的算法来检测二维及三维图像中的显著区域,但针对立体全景图像显著性检测的研究较少.考虑到全景图像的投影特点、立方体投影(CMP)图像有助于消除顶部与底部引起的扭曲及边框效果,利用等矩形投影(ERP)图像中所有可用的上下文信息,以E...     

轻载和非线性负荷对电能计量的影响

针对目前关口计量点存在的轻载运行和非线性负荷的现象,分析了问题存在的原因及对现有计量系统的影响,提出了解决上述问题的思路,为进一步深入研究此类问题提供了参考依据。     

基于结构失真分析的立体图像质量客观评价模型

在立体图像?视频系统编码、传输、解码等环节中,立体图像质量评价是图像失真的一个重要评判准则.考虑到图像结构特性能较好地反映立体图像质量变化,提出一种基于结构失真的立体图像质量客观评价模型,该模型包括左右视点图像质量和深度感知质量评价两部分.首先根据人眼对图像中不同区域的敏感度存在差异且自然图像具有一定方向奇异性的特性,得到左右视点图像质量评价值;然后利用左右视点的绝对差值图像,采用奇异值向量差异和均值偏差率来描述立体图像深度感的畸变;最后融合前面两部分的评价值得到最终的立体图像质量评价值.实验结果表明,文中模型与主观感知存在较好的一致性,对于高斯模糊、高斯白噪声、JPEG压缩、JP2000压缩以及H.264编码,其评价结果与主观感知之间的相关系数高于0.93,Spearman秩相关系数高于0.92,均方误差低于6.6.     

面向真实水下图像增强的质量评价数据集

目的 由于光在水中的衰减/散射以及微生物对光的吸收/反射等影响,水下图像通常存在色偏、模糊、光照不均匀以及对比度过低等诸多质量问题。研究人员对此提出了许多不同的水下图像增强算法。为了探究目前已有的水下图像增强算法的性能和图像质量客观评价方法是否适用于评估水下图像,本文开展大规模主观实验来对比不同水下图像增强算法在真实水下图像数据集上的性能,并对现有图像质量评价方法用于评估水下图像的准确性进行测试。方法 构建了一个真实的水下图像数据集,其中包含100幅原始水下图像以及对应的1 000幅由10种主流水下图像增强方法增强后的图像。基于成对比较的策略开展水下图像主观质量评价,进一步对主观评价得到的结果进行分析,包括一致性分析、收敛性分析以及显著性检验。最后将10种现有主流的无参考图像质量评价在本文数据集上进行测试,检验其在真实水下图像数据集上的评价性能。结果 一致性分析中,该数据集包含的主观评分有较高的肯德尔一致性系数,其值为0.41;收敛性分析中,所收集的投票数量与图像数量足够得到稳定的主观评分;表明本文构建的数据集具有良好的有效性与可靠性。此外,目前对比自然图像的无参考图像质量评价方法并不适用于水下图像数据集,验证了水下图像与自然图像的巨大差异。结论 本文构建的真实水下图像数据集为未来水下图像质量客观评价方法以及水下图像增强算法的研究提供了参考与支持。所涉及的图像以及所有收集的用户数据,都在项目主页(https://github.com/yia-yuese/RealUWIQ-dataset)上公开。