立体图像失真会影响图像边缘、结构和深度等低层次结构特征,为此,基于人眼对图像低层次结构的理解提出一种无参考立体图像质量评价方法。首先,对输入左右视图、合成图和视差图进行双树复小波变换;其次,提取左右视图、合成图和视差图小波子带的相位幅度特征,以及左右视图和合成图小波子带的梯度特征;最后,将所得特征输入支持向量回归(SVR)中训练,获得特征到质量分数的映射关系模型,预测立体图像质量。分别在LIVE3 DIQD Phase 1数据库和LIVE3 DIQD Phase 2数据库中测试本文算法性能,实验结果表明,本文算法与人眼视觉特性保持很高的一致性,且优于目前大多数主流算法。

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。