基于学习的二维和三维图像质量评估方法研究

发布时间：2025-06-04 02:26

　　随着计算机网络,通信技术和电子技术的快速发展,信息传播已经取得迅猛的发展。其中数字图像和视频作为信息的主要载体,是人类获取和交换信息的主要来源。数字图像的相关研究在近几年同样发展迅速,并在生活的许多领域得到广泛的应用。其中图像质量评估研究是图像处理、计算机视觉领域的一个基本而又具有重大意义的问题。本文主要研究二维图像和三维图像的质量评估方法。现有的全参考图像质量评估通常提取图像主观感知的相关特征,然后建立数学模型评估图像质量。然而,主观感知往往与多类不同的特征相关联。基于这一点,本文首先提出一种基于机器学习的全参考二维图像质量评估方法,考虑与主观感知相关的多个特征,结合每个特征的优点构造了一个更符合主观感知的模型。为进一步减少客观评估和主观感受之间的差距,设计融合视觉显著性的特征、局部图像质量排序特征、局部图像统计特征和基于频率感知质量的特征,从多角度提取与主观感知有强关联关系的二维图像特征。实验结果表明,相比其他方法,提出的基于机器学习的图像质量评估方法与主观感知评估的一致性更好。由于三维立体图像的质量评估要比二维图像复杂得多,三维图像质量评估方法往往在对称失真的三维图像上取得了良好的...

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
第一章 绪论
    1.1 课题研究背景与意义
    1.2 课题研究现状
    1.3 本文主要工作
    1.4 本文组织结构
第二章 相关工作
    2.1 图像主观质量评估方法
    2.2 图像客观质量评估方法
        2.2.1 二维图像全参考图像质量评估
        2.2.2 三维图像全参考图像质量评估
        2.2.3 三维图像无参考图像质量评估
    2.3 性能评估方法
    2.4 图像质量数据库介绍
        2.4.1 MICT数据库
        2.4.2 IVC数据库
        2.4.3 LIVE2005数据库
        2.4.4 CSIQ数据库
        2.4.5 TID2008数据库
        2.4.6 TID2013数据库
        2.4.7 LIVE 3D数据库
    2.5 本章小结
第三章 基于机器学习的全参考二维图像质量评估方法
    3.1 引言
    3.2 基于机器学习的二维图像质量评估方法
        3.2.1 基于现有的图像质量评估方法
        3.2.2 基于视觉显著性感知的特征
        3.2.3 基于局部图像质量排序的特征
        3.2.4 基于局部图像统计数据的特征
        3.2.5 基于频率感知质量的特征
    3.3 实验分析
        3.3.1 整体性能评估
        3.3.2 各类特征在TID2013上的有效性验证
        3.3.3 TID2013数据库24种失真类型的性能分析
    3.4 本章小结
第四章 基于机器学习的全参考三维图像质量评估
    4.1 引言
    4.2 基于机器学习的三维图像质量评估方法
    4.3 实验分析
        4.3.1 方法的性能评估
        4.3.2 各类特征的性能评估
        4.3.3 特征选择
    4.4 本章小结
第五章 基于深度学习的无参考三维图像质量评估
    5.1 引言
    5.2 基于深度学习的三维图像质量评估方法
        5.2.1 图像获取与预处理
        5.2.2 图像特征提取
    5.3 实验分析
    5.4 本章小结
总结与展望
    论文工作总结
    未来工作展望
参考文献
致谢
在学期间的研究成果及发表的学术论文



本文编号：4049178