一種用于立體圖像質量客觀評價的極端學習機的制作方法
【專利說明】-種用于立體圖像質量客觀評價的極端學習機 所屬技術領域
[0001] 本發明屬于圖像處理領域，設及圖像質量評價方法改進優化，尤其是設及PCA和 GA-ELM在立體圖像質量客觀評價中的應用。
【背景技術】
[0002] 近幾年來，隨著計算機科學技術的飛速發展，人們對立體可視化的興趣越來越濃 厚，計算機圖形學也在各行業得到迅速的發展，計算機進入=維時代。來自計算機圖像學、 計算機視覺、多媒體W及相關的其他技術的融合，使得多種新的視覺媒體得到快速發展，例 如立體視頻和自由視點視頻，給人類帶來了新的視覺感受，遠遠超越了傳統的2D視頻W。 隨著立體成像技術的不斷成熟，立體產品真正走進人們的生活中，從此3D世界的重現，不 再僅僅是夢想。立體顯示技術在室外b-"的應用也越來越普及。
[0003] 現階段，進行立體圖像質量評價主要是人們利用人眼來獲取圖像的立體信息，然 后大腦將各種立體信息進行整合使我們感受到立體的感覺，進而來分析判斷立體圖像質量 的優劣。通常情況下，采用兩種方法對立體圖像質量進行評價；主觀評價和客觀評價。主觀 評價主要是通過選擇大量的測試人員，依據觀測者看到的立體圖像的立體效果、清晰度W 及事先根據ITU制定的圖像質量的評分標準，對選取的立體圖像樣本按照個人主觀感受進 行等級評分。雖然該種方法能夠獲得較準確的圖像評價，但它花費時間長、成本高，難W操 作。因此，建立一套有效的、規范的立體圖像質量客觀評價標準已經成為立體成像技術領域 中一項主要研究內容。其中客觀評價方法主要通過提取立體圖像相應的立體信息指標，然 后利用數學公式或建立的數學模型描述人們對立體圖像的主觀感受，進而評判立體圖像的 質量等級，該方法省時省力、可操作性更強。因此建立與主觀評價結果相一致的客觀評價模 型是未來的發展趨勢，國內外學者也已對此進行了一系列的探索。
[0004] 最初，人們主要是通過引進平面圖像質量的評價方法來評價立體圖像的質量等 級。在過去幾十年來，研究學者所提出的二維圖像質量評價方法有；峰值信噪比（PSNR)、均 方誤差（MSE)、結構相似度（SSIM)指標及基于信息內容權值的IWSSIM算法W等等。 You^等人將其中的一些2D圖像質量評價方法應用到立體圖像當中，并對其性能進行了相 應的分析比較。
[0005] 化wage?等人提出首先計算深度圖的輪廓并將其二值化，然后通過PSNR方法對 立體圖像質量進行評價，該文獻介紹了一種基于深度圖邊緣信息的半參考圖像質量評價算 法模型，能夠基本符合人眼的視覺感受。DingW等人介紹了一種利用圖像的局部統計相關 性的全參考圖像質量評價算法模型，此方法在小波域提取圖像的局部相關性并匯集出一個 客觀評價分數，通過測試結果可知該方法不但在具有非常高的精度而且與主觀評價結果基 本一致；通過總結影響用戶視覺感知hw的一些因素；串擾等級、攝像機基線W及場景內容， 據此提出了一種基于立體圖像串擾感知的客觀質量評價算法，該算法首先從立體圖像中計 算出深度圖，然后根據原始的W及受損的圖像獲得SSIMmap中相應權值。在文獻W中，作 者A化ter等人介紹了一種基于分割圖像的局部特性和視差信息的無參考圖像質量客觀 評價算法，該方法的靈感來源于人類的視覺系統（HumanVisualSystem,HV巧W及任何立 體顯示的感知失真和視差信息依賴于圖像的局部特征如非平面的邊緣信息、平面的非邊緣 區域；文獻是出了一種基于差異圖的立體圖像質量評價方法，該方法將主觀實驗作為立 體信息質量評價的準則，使用深度圖度量圖像的垂直偏差W及時間一致性；
[0006] 針對立體圖像的質量評價，雖然近年來研究者對人類視覺系統進行了一系列的深 入探索，但是由于人眼系統的復雜性，人類對人眼視覺系統的認知仍然比較膚淺，所W人們 仍然無法提出與人眼主觀感受完全一致的立體圖像質量客觀評價算法。為此，一些學者 考慮將神經網絡運用到立體圖像質量客觀評價方面，并取得了良好的效果。文獻首先 通過獨立成分分析（ICA)提取立體圖像的有效特征，然后通過基于二叉樹的支持向量機 炬T-SVM)算法設計了一種能夠用于立體圖像質量客觀評價的分類識別系統；在文獻M中， 作者顧珊波等人根據圖像的奇異值具有非常穩定的特性，然后結合立體圖像的主觀視覺感 知特性，構造了一種基于SVR和立體圖像視覺感知特性的客觀評價算法模型。該方法首先 提取左右圖像奇異值，然后依據各個圖像的失真情況進行融合，最后利用SVR模型輸出立 體圖像的客觀評價值；文獻采用峰值信噪比W及結構相似度來描述圖像質量，設計了一 種基于神經網絡和支持向量的立體圖像質量分類識別系統。
[0007] 神經網絡客觀評價模型具有高度的并行結構和并行實現能力，能夠有效處理非線 性問題，因而神經網絡在立體圖像質量客觀評價方面能夠取得較好效果。文獻提出了極 端學習機在立體圖像質量評價中的應用，極端學習機巧LM)對于立體圖像質量的客觀評價 能夠解決傳統神經網絡訓練速度慢、易陷入局部極小值和泛化性能低等問題。ELM在單隱層 神經網絡的基礎上發展而來，它的輸入層與隱藏層之間的權重W及隱藏層的闊值無需反復 迭代，只要隨機賦值即可。因此極端學習機的最終結果有很大的差異，需要通過多次運行求 其平均值作為最終結果，然而該種方法卻錯過最優結果的選擇。
[000引參考文獻
[0009] [1]Smolic,K.Mueller,P.Merkle,C.Fehn,P.Kauff,P.Eisert,T.Wiegand. 3D videoandfreeview-pointvideo-technologies,applicationsandMPEG st過nd過rds[C].InternationalConferenceonMultimedi過過ndExpo,Toronto,Ont過rio,C anada,2006:2161-2164.
[0010] [2]ReittererJ,FidlerF,SchmidG,etal.Designandevaluation ofalarge-scaleautostereoscopicmulti-viewlaserdisplayforoutdoor applications[J].OpticsExpress, 2014, 22(22):27063-27068.
[00川 [3]HIR0TSUGUY，MAK0T0K，SYUJIM，etal.Enlargementofviewingarea ofstereoscopicfull-colorleddisplaybyuseofaparallaxbarrier[J].Appl.Opt.，2002, 41 (32) : 6907-6919.
[00。] [4]BaselgiaC,BosseM,ZlotR,etal.SolidModelReconstruction ofLarge-ScaleOutdoorScenesfrom3DLidarData[C].FieldandServiceRobotics.SpringerBerlinHeidelberg, 2014:541-554.
[0013] [5]Z.Wang,A.C.Bovik,H.民.SheikhandE.P.Simoncalli.Imagequality 過ssessme打t:
[0014] Fromerrorvisibilitytostructuralsimilarity[J].IEEETrans.Image Process, 2004, 13 (4) : 600-612.
[001 日] [6]WangZ,LiQ.Informationcontentweightingforperceptual imagequalityassessment[J].ImageProcessing,IEEETransactions on, 2011,20 巧）：1185-1198.
[0016] [7]YouJ,XingL,PerkisA,etal.Perceptualqualityassessment forstereoscopicimagesbasedon2Dimagequalitymetricsanddisparity analysis[C].Proc.ofInternationalWorkshoponVideoProcessingandQuality MetricsforConsumerElectronics,Scottsdale,AZ,USA, 2010.
[0017] [8]HewageCTER,MartiniMG.Reduced-referencequalitymetricfor3D depthmaptransmission[C]. 3DTV-Conference:TheTrueVision-Capture,Transmission andDisplayof3DVideo(3DTV-C0N)，2010,IE邸，2010:1-4.
[0018] [9]DingY,WangS,andZhangD.Full-referenceimagequalityassessment usingstatisticallocalcorrelation[J].ElectronicsLetters, 2014,50(2):79-81.
[0019][lOjXingL,YouJ,EbrahimiT,etal.Aperceptualqualitymetricfor stereoscopiccrosstalkperception[C].ImageProcessing(ICIP)，201017thIEEE InternationalConferenceon，IEEE，2010:4033-4036.
[0020] [11]AlditerR，SazzadZMP，HoritaY，etal.No-ReferenceStereoscopic ImageQualityAssessment[C].Proc.IS&T/SPIE,ElectronicImaging，SanJose， California，USA，Feb15, 2010.
[002U[12]KIMDH，MINDB，OHJH，etal.Depthmapqualitymetricfor three-dimensionalvideo[C].ProceedingsoftheSPIEVolume7237:Stereoscop