基于Contourlet变换的无参考立体图像质量评价

您当前的位置：

首页 >

文章列表页 >

信息光学与图像处理 | 更新时间：2025-09-01

- 基于Contourlet变换的无参考立体图像质量评价
- No-reference quality assessment for stereoscopic images based on Contourlet transform
- 光学技术 2016年42卷第6期页码：538-544
- 作者机构：
  
  1:江南大学物联网工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金(61170120);江苏省产学研前瞻性联合研究项目(BY2013015-41)
- DOI：10.13741/j.cnki.11-1879/o4.2016.06.012
  中图分类号：
- 纸质出版：2016
- 稿件说明：
移动端阅览
李永生, 桑庆兵. 基于Contourlet变换的无参考立体图像质量评价[J]. 光学技术, 2016,42(6):538-544.

No-reference quality assessment for stereoscopic images based on Contourlet transform[J]. 2016, 42(6): 538-544.
李永生, 桑庆兵. 基于Contourlet变换的无参考立体图像质量评价[J]. 光学技术, 2016,42(6):538-544. DOI： 10.13741/j.cnki.11-1879/o4.2016.06.012.

No-reference quality assessment for stereoscopic images based on Contourlet transform[J]. 2016, 42(6): 538-544. DOI： 10.13741/j.cnki.11-1879/o4.2016.06.012.

立体图像的景物生动逼真

给人一种身临其境的全新视觉享受

但在制作、存储和传输过程中往往会产生失真。为了评价立体图像的质量优劣

提出了一种基于轮廓波(Contourlet)变换的无参考立体图像质量评价算法。通过对失真的左、右图像分别进行主成分分析(PCA)融合来生成新的融合图像

并使用基于SSIM(Structural Similarity)立体匹配算法生成视差图和匹配差值图

然后对上述三张图片进行Contourlet变换

再然后使用自定义的高频能量指标并结合边缘强度和信息熵

最后将得到的特征输入支持向量回归(Support Vector Regression

SVR)模型中学习

得出质量评价分数。该方法在德克萨斯大学公布的立体图像库中进行了验证

线性相关系数和斯皮尔曼相关系数在Phase I库中可高达0.957和0.947

在Phase II库中也可高达0.944和0.934

与主观评价吻合度很高

优于最新的一些评价方法。

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于多特征检测与支持向量回归的图像文本提取算法

基于SIFT特征点的三维点云模型盲水印算法

基于Contourlet变换与FLD的人脸表情识别方法

合成孔径雷达图像的Contourlet域空间选择滤波降斑算法