一种用于立体图像质量客观评价的极端学习机的制作方法
【专利说明】-种用于立体图像质量客观评价的极端学习机 所属技术领域
[0001] 本发明属于图像处理领域，设及图像质量评价方法改进优化，尤其是设及PCA和 GA-ELM在立体图像质量客观评价中的应用。
【背景技术】
[0002] 近几年来，随着计算机科学技术的飞速发展，人们对立体可视化的兴趣越来越浓 厚，计算机图形学也在各行业得到迅速的发展，计算机进入=维时代。来自计算机图像学、 计算机视觉、多媒体W及相关的其他技术的融合，使得多种新的视觉媒体得到快速发展，例 如立体视频和自由视点视频，给人类带来了新的视觉感受，远远超越了传统的2D视频W。 随着立体成像技术的不断成熟，立体产品真正走进人们的生活中，从此3D世界的重现，不 再仅仅是梦想。立体显示技术在室外b-"的应用也越来越普及。
[0003] 现阶段，进行立体图像质量评价主要是人们利用人眼来获取图像的立体信息，然 后大脑将各种立体信息进行整合使我们感受到立体的感觉，进而来分析判断立体图像质量 的优劣。通常情况下，采用两种方法对立体图像质量进行评价；主观评价和客观评价。主观 评价主要是通过选择大量的测试人员，依据观测者看到的立体图像的立体效果、清晰度W 及事先根据ITU制定的图像质量的评分标准，对选取的立体图像样本按照个人主观感受进 行等级评分。虽然该种方法能够获得较准确的图像评价，但它花费时间长、成本高，难W操 作。因此，建立一套有效的、规范的立体图像质量客观评价标准已经成为立体成像技术领域 中一项主要研究内容。其中客观评价方法主要通过提取立体图像相应的立体信息指标，然 后利用数学公式或建立的数学模型描述人们对立体图像的主观感受，进而评判立体图像的 质量等级，该方法省时省力、可操作性更强。因此建立与主观评价结果相一致的客观评价模 型是未来的发展趋势，国内外学者也已对此进行了一系列的探索。
[0004] 最初，人们主要是通过引进平面图像质量的评价方法来评价立体图像的质量等 级。在过去几十年来，研究学者所提出的二维图像质量评价方法有；峰值信噪比（PSNR)、均 方误差（MSE)、结构相似度（SSIM)指标及基于信息内容权值的IWSSIM算法W等等。 You^等人将其中的一些2D图像质量评价方法应用到立体图像当中，并对其性能进行了相 应的分析比较。
[0005] 化wage?等人提出首先计算深度图的轮廓并将其二值化，然后通过PSNR方法对 立体图像质量进行评价，该文献介绍了一种基于深度图边缘信息的半参考图像质量评价算 法模型，能够基本符合人眼的视觉感受。DingW等人介绍了一种利用图像的局部统计相关 性的全参考图像质量评价算法模型，此方法在小波域提取图像的局部相关性并汇集出一个 客观评价分数，通过测试结果可知该方法不但在具有非常高的精度而且与主观评价结果基 本一致；通过总结影响用户视觉感知hw的一些因素；串扰等级、摄像机基线W及场景内容， 据此提出了一种基于立体图像串扰感知的客观质量评价算法，该算法首先从立体图像中计 算出深度图，然后根据原始的W及受损的图像获得SSIMmap中相应权值。在文献W中，作 者A化ter等人介绍了一种基于分割图像的局部特性和视差信息的无参考图像质量客观 评价算法，该方法的灵感来源于人类的视觉系统（HumanVisualSystem,HV巧W及任何立 体显示的感知失真和视差信息依赖于图像的局部特征如非平面的边缘信息、平面的非边缘 区域；文献是出了一种基于差异图的立体图像质量评价方法，该方法将主观实验作为立 体信息质量评价的准则，使用深度图度量图像的垂直偏差W及时间一致性；
[0006] 针对立体图像的质量评价，虽然近年来研究者对人类视觉系统进行了一系列的深 入探索，但是由于人眼系统的复杂性，人类对人眼视觉系统的认知仍然比较肤浅，所W人们 仍然无法提出与人眼主观感受完全一致的立体图像质量客观评价算法。为此，一些学者 考虑将神经网络运用到立体图像质量客观评价方面，并取得了良好的效果。文献首先 通过独立成分分析（ICA)提取立体图像的有效特征，然后通过基于二叉树的支持向量机 炬T-SVM)算法设计了一种能够用于立体图像质量客观评价的分类识别系统；在文献M中， 作者顾珊波等人根据图像的奇异值具有非常稳定的特性，然后结合立体图像的主观视觉感 知特性，构造了一种基于SVR和立体图像视觉感知特性的客观评价算法模型。该方法首先 提取左右图像奇异值，然后依据各个图像的失真情况进行融合，最后利用SVR模型输出立 体图像的客观评价值；文献采用峰值信噪比W及结构相似度来描述图像质量，设计了一 种基于神经网络和支持向量的立体图像质量分类识别系统。
[0007] 神经网络客观评价模型具有高度的并行结构和并行实现能力，能够有效处理非线 性问题，因而神经网络在立体图像质量客观评价方面能够取得较好效果。文献提出了极 端学习机在立体图像质量评价中的应用，极端学习机巧LM)对于立体图像质量的客观评价 能够解决传统神经网络训练速度慢、易陷入局部极小值和泛化性能低等问题。ELM在单隐层 神经网络的基础上发展而来，它的输入层与隐藏层之间的权重W及隐藏层的阔值无需反复 迭代，只要随机赋值即可。因此极端学习机的最终结果有很大的差异，需要通过多次运行求 其平均值作为最终结果，然而该种方法却错过最优结果的选择。
[000引参考文献
[0009] [1]Smolic,K.Mueller,P.Merkle,C.Fehn,P.Kauff,P.Eisert,T.Wiegand. 3D videoandfreeview-pointvideo-technologies,applicationsandMPEG st过nd过rds[C].InternationalConferenceonMultimedi过过ndExpo,Toronto,Ont过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 过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