通过四元数小波变换分解立体图像的左右视图,获取不同尺度不同方向的幅值相位信息,并结合人眼视觉特性生成单目图;对左右视图和单目图作亮度去均值对比度归一化(MSCN)处理,获取MSCN系数图,采用广义高斯分布模型拟合MSCN系数和MSCN四方向邻域系数乘积,提取统计参数特征(联合峰度、偏度、标准偏差和能量),组成特征向量,通过XGBoost模型预测图像质量感知得分。结果表明,所提立体图像质量评价算法在LIVE3D图像库上优于其他方法,并且运行速度得到大幅度提高。

提出了一种基于图像融合的无参考立体图像质量评价算法。该算法利用小波变换分解重构立体图像的左右视图并融合在一幅图像中,归一化处理融合图像的亮度系数,均衡各部分亮度并保留融合图像的结构信息,使用卷积神经网络进行特征提取和回归预测。实验结果表明,所提方法的预测得分与人类主观评价得分具有很好的一致性。

在观看立体图像时，人类视觉系统(HVS)以人眼视网膜细胞为媒介接收、传输和理解双目信息，基于此提出了一种仿视觉细胞模型的立体图像质量评价(SIQA)方法。以视网膜细胞特性为基础，模仿HVS 对简单细胞和复杂细胞进行建模；双目信息经简单-复杂细胞模型处理得到双目融合视点图(BFVM)和双目细胞差异图(BCDM)，采用多尺度结构相似度(MSSIM)算法分别对原始、失真立体图像的BFVM 和BCDM 进行双目融合评价(BFQA)和双目立体感评价(BSPA)；对BFQA 和BSPA 的评价值进行加权融合得到最终评价值。实验结果表明，该方法的Pearson 线性相关系数在0.94 以上，Spearman 秩相关系数在0.93 以上，该模型符合人眼视觉特性，能够较好地预测立体图像质量。

本文从感知特征图与立体图像质量的关系出发, 提出了一种立体图像感知特征图失真程度预测立体图像质量的评价模型。首先, 从人类视觉系统对图像的理解方式出发, 提取立体图像的视觉感知特性相关的特征图像；然后, 计算感知特征图的失真程度, 构成感知特征集并作为立体图像的特征参数；最后, 用随机森林分类算法进行特征融合, 建立立体图像质量评价模型。实验结果表明, 本文模型符合人眼视觉特性, 能够较好地预测立体图像质量。