基于虚拟曝光图像的立体高动态范围图像合成算法

本文提出基于多视点多曝光图像的立体高动态范围图像合成算法。首 先,考虑多视点多曝光 图像以及相机响应函数曲线的特性,提出一种虚拟曝光图像绘制算法,将不同曝光的图像绘 制到同一视点;然后, 为了使绘制曝光图像保留更多细节和结构,需要对绘制虚拟曝光图像进行空洞填补及边缘修 复,故引入了边缘差值 掩膜图,对图像边缘信息进行校正平滑处理;最后利用绘制的虚拟曝光图像合成立体高动态 范围图像。实验结果表 明,获得的绘制曝光图像与参考曝光视点图像之间的结构相似性高达0.99以上,且合成的 高动态范围图像质量高。     

结合视差补偿与3D数据处理的盲光场图像质量评价

与传统的2D图像相比,光场图像记录了场景中光线的强度和方向信息,在多媒体技术应用领域中占据着重要的地位。但在光场图像的产生、传输等处理过程中会不可避免地引入失真,影响用户视觉体验,因而需构建有效、准确的光场图像质量评价方法对其进行评估。本文基于光场图像的伪视频和极平面图像提出了结合视差补偿与3D数据处理的盲光场图像质量评价方法。首先,采用视差补偿模块处理光场图像伪视频序列,然后对经过视差补偿后的伪视频序列进行三维离散小波变换以及三维去均值对比度归一化处理,并提取频域和空域特征。同时,在极平面图像上提取方向梯度直方图特征表征其角度信息的失真。最后,运用支持向量机建立图像质量评价指标到主观质量得分的回归模型。所提算法在公开数据库NBU-LF1.0,Win5-LID和SHU上的PLCC分别达到0.886 1,0.928 7和0.976 9,实验结果表明,与经典的二维图像质量评价方法以及先进的光场图像质量评价方法相比,本文方法与主观质量评价结果的一致性更高。     

基于结构相似度的自适应图像质量评价

考虑到在结构相似度(SSIM,structural similarity)模型中,亮度、对比度和结构度3个评价因子对不同失真类型图像质量评价(QA)的贡献程度不同,本文提出了根据图像失真类型分析的自适应SSIM(ASSIM)的IQA方法。首先,分析失真图像和参考图像的小波子带能量、傅里叶功率谱和幅度谱的数据特点,据此判定图像失真类型,包括高斯白噪声(WN)、JPEG压缩(JPEM)、高斯模糊(Gblur)及类JP2K4类失真;接着,通过优化算法确定SSIM在评价不同失真类型图像时最佳的评价因子权重;最后,将图像的失真类型判别和评价因子的调整相结合,实现对图像的自适应评价。实验结果表明,由于失真类型的判断和评价因子权值的优化,ASSIM对各类失真图像的评价效果都要优于SSIM,特别是对Gblur失真的图像进行评价时,Pearson系数(CC)值提高了0.05,Spearman等级相关系数(SROCC)值的提高超过0.039。     

结构相似度的立体视频错误隐藏

针对立体视频传输中右视点整帧丢失,提出了一种基于结构相似度(Structural Similarity,SSIM)的立体视频右视点整帧丢失错误隐藏算法。首先,提出了时域SSIM和视间SSIM的概念。然后,根据视频序列的时域相关性,将前一时刻右视点图像宏块的预测方式作为丢失图像宏块的预测方式。接着,将前一时刻右视点图像以宏块为单位进行时域和视间匹配,求取其以像素为单位的时域SSIM映射图和视间SSIM映射图。最后,计算并比较前一时刻右视点图像每个宏块的时域SSIM和视间SSIM值,得到每个宏块的预测方式,将其预测方式作为丢失帧中宏块的预测方式,从而使用运动补偿预测或者视差补偿预测的方法进行恢复。实验结果表明,与传统的算法和Pang的算法相比,PSNR值分别提高了2.76 dB和3.43 dB,且本文算法主观效果较好。     

面向HEVC的深度视频预处理

通过深度相机或者深度估计软件获取的深度视频准确性差,影响深度视频的编码压缩性能。因此,本文提出了一种面向HEVC的深度视频预处理算法。首先提取深度视频的边缘获取边缘掩膜;其次根据边缘掩膜对深度序列分类进行空域平滑;再次将彩色和空域平滑后的深度视频进行时空转换,并以转换后的彩色视频为辅助对转换后的深度视频进行时域平滑,以增强深度视频的时间相关性;最后对时域平滑处理完的深度视频进行逆时空转换,获取最终的预处理深度视频。实验结果表明,提出的处理方法既可以保证虚拟视点质量基本不变,又能够节省7.00%～23.78%的码率。     

一种基于人眼视觉特性的立体图像质量客观评价方法

通过模拟人眼视觉特性中的对比度敏感函数、多通道效应以及立体感知特性,提出了一种基于人眼视觉特性的立体图像质量客观评价方法.在评价左右图像质量时,利用小波变换模拟人眼视觉特性中的多通道效应,不同空间频带的小波系数按对比度敏感函数进行加权,左右图像质量度量采用Canberra $巨离.在评价立体感知时,则通过计算原始与测试...     

基于非负矩阵分解的彩色图像质量评价方法

针对稀疏表示的图像质量评价模型都基于灰度图像,缺少颜色信息,该文提出一种基于非负矩阵分解(NMF)的全参考彩色图像质量评价方法。首先,从自然彩色图像中随机采样,得到训练样本,利用非负矩阵分解,训练得到特征基矩阵,并经过Schmidt正交化,构建特征提取矩阵;其次,根据视觉显著性模型,利用最大视觉显著性和显著性差值两步骤选取视觉重要区域;最后,利用特征提取矩阵,得到低维的特征向量,并最终得到彩色图像质量评价值。实验结果表明,该文方法在LIVE, CSIQ和TID2008 3个图像质量评价库上有很好的表现。3个图像库的平均结果显示,该文方法的综合表现优于所有对比方法。这表明该文方法与主观感知有更好的关联度。     

基于支持向量回归的立体图像客观质量评价模型

立体图像质量评价是评价立体视频系统性能的有效途径,而如何利用人类视觉特性对立体图像质量进行有效评价是目前的研究难点。该文根据图像奇异值有较强稳定性的特点,结合立体图像的主观视觉特性,提出了一种基于支持向量回归(Support Vector Regression, SVR)的立体图像客观质量评价模型。该模型通过分析立体图像的视觉特性,提取左右图像的奇异值作为立体图像的特征信息,然后根据立体图像的不同失真类型情况对其特征进行融合,通过SVR预测得到立体图像质量的客观评价值。实验结果表明,采用该文提出的客观评价模型对立体数据测试库进行评价,Pearson线性相关系数值在0.93以上,Spearman等级相关系数值在0.94以上,均方根误差值接近6,异常值比率值为0.00%,符合人眼视觉特性,能够很好地预测人眼对立体图像的主观感知。     

基于感知的视频编码方法综述

基于感知的视频编码方法是目前视频编码的研究热点。该文综合论述了基于感知的视频编码方法,重点阐述了基于感知的3维视频编码方法。首先,对目前利用人类视觉系统中的亮度、对比敏感度、中心凹等视觉感知特性的单视点视频编码方法进行分析并指出其存在的问题。然后,对基于立体感兴趣区域和双目敏感度特性的3维视频感知编码方法进行了分析和论述。最后,就基于感知的视频编码方法的进一步发展提出了若干技术与研究方向的展望。     

一种基于多模式融合的多视点图像颜色校正方法

针对各种多视点成像系统中视点图像颜色不一致的问题,提出了一种基于多模式融合的多视点图像颜色校正方法.该方法通过定义四种通用的线性和非线性校正模式,首先对输入的源图像和参考图像进行视差估计,以视差估计得到的匹配块作为样本,然后对样本分别用四种校正模式进行训练,得到各种模式的校正参数,最后基于最小均方误差准则对各种校正模式进行融合,得到最终的校正图像.实验结果表明,该方法能实现参考图像与校正图像的最小均方根误差,且具有较好的校正效果.