ICA和BT-SVM在立体图像质量评价系统中的应用

摘要

目前,3D成像技术在商业、科研和医疗等领域拥有强大的应用前景,已成为当今信息处理领域研究的热点问题之一。但是,随着3D技术的发展和应用,它的缺点和不足也逐渐呈现出来。比如,当人们长时间观看3D电影时会出现眼睛酸痛、头晕、恶心等不舒适的感觉。正是这种不舒适阻碍着3D技术的发展和应用。因此,迫切需要一种能够对立体成像技术的各个方面进行评价的标准。鉴于此,本文主要研究设计了一套具有自适应评估能力的立体图像质量评价系统。该系统的研究为3D成像技术的发展及其应用提供了一种合理的技术方案。
　　论文在充分介绍立体图像质量评价系统的研究意义、发展现状、人眼视觉特性及立体成像相关技术的基础上,针对目前立体图像质量评价方法存在的问题,提出采用基于统计学习理论的支持向量机(Support Vector Machine，SVM)方法对立体图像的质量等级进行判断。由于立体图像较平面图像的数据量成几倍的增加,因此本文首先采用主成分(Principle Component Analysis，PCA)和独立成分分析(Independent Component Analysis，ICA)方法对立体图像进行数据预处理,降低了立体图像的数据冗余度,得到了立体图像的独立基特征空间;然后将数据投影到高维特征空间,采用二叉树支持向量机(Binary Tree Support Vector Machine，BT-SVM)方法对立体图像质量等级进行分类。由于传统SVM分类方法只解决二分类问题,为了增加系统对立体图像质量等级识别的精度,提出采用可分性度量方法来确定BT-SVM的结构。
　　实验针对300幅立体图像进行分析,其中100幅为训练样本,200幅为测试样本,采用基于可分性度量的BT-SVM方法得到了92.5％的正确识别率。为了验证本文方法的性能,提出直接采用BT-SVM和采用10位和15位纠错编码支持向量机(Error Correcting Codes Support Vector Machine,ECC-SVM)对同样的数据进行实验,直接采用BT-SVM的方法得到了90.5%正确识别率,采用10位和15位ECC-SVM系统分别得到86.5%、92%的正确识别率。实验结果表明,本文方法能够较好地体现立体图像的主观质量,较直接采用BT-SVM的系统和ECC-SVM的系统能更好地接近主观评价,具有更好的泛化性能,并且空间和时间复杂度都较低。因此本文方法为立体图像的质量评价提供了更好的技术参考。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1研究目及意义

1.2国内外研究现状分析

1.3论文主要工作

1.4论文的组织结构

第二章人眼视觉与立体成像技术

2.1视感知的物理结构

2.2人眼立体视觉

2.3立体图像成像原理

2.4立体图像显示技术

2.5小结

第三章 相关技术介绍

3.1 SVM

3.2 BT-SVM

3.3特征空间的类间可分性

3.4根据类间可分性生成二叉树结构

3.5 独立分量分析算法

3.6小结

第四章 立体图像质量客观评价方法

4.1特征空间的提取及图像在特征空间的表示

4.2系统结构的确定

4.3小结

第五章 系统仿真和结果分析

5.1实验素材

5.2实验步骤

5.3实验结果与分析

5.4小结

第六章 总结与展望

6.1总结

6.2展望

参考文献

发表论文和参加科研情况说明

致谢