[发明专利]一种基于GA‑ELM的立体图像质量客观评价方法

说明书

技术领域

本发明涉及图像质量评价技术领域，尤其是涉及一种基于遗传算法和极端学习机的的立体图像质量客观评价方法的改进优化。

背景技术

随着多媒体技术的快速发展，立体成像技术已成为该领域的关键技术之一。立体图像的获取、处理、存储、传输与显示等过程，不可避免地会引入一些失真，如何有效评估立体图像的质量已成为国内外学者的研究热点之一。立体图像质量评价方法分为主观评价和客观评价两种。前者是由观察者依照主观感受评价测试图像的质量，该方法的评价结果更为真实地反映了立体图像质量，然而费时费力，在实际应用中受到严重的限制。相比之下，后者更具有实时性和可操作性等优点。因此，建立一套可以准确反映人眼主观感受的立体图像质量客观评价机制具有深远意义^[1]。

现阶段，国内外对立体图像质量客观评价进行了广泛的研究。文献^[2]结合空间感知信息与绝对差值信息，提出了一种基于结构相似度(Structural Similarity，SSIM)的立体图像质量客观评价方法；文献^[3]考虑了人类观看立体图像的双目融合特性，基于传统平面图像质量评价方法，提出了改进的立体图像质量评价方法；文献^[4]利用视差空间图建立了一种立体图像质量客观评价模型；文献^[5]提出了一种基于稀疏表示的立体图像质量客观评价方法；文献^[6]通过模拟人眼视觉系统中初级视皮层的简单和复杂细胞行为，构造了一个信号处理模型对立体图像质量进行客观评价；文献^[7]根据单目闭塞与双目竞争特性，提出了一种感知调整特征相似度评价方法；文献^[8]提出了一种基于双目质量感知模型的无参考立体图像质量客观评价方法；文献^[9]提出了一种基于三维结构张量的立体图像质量评价方法。以上具有代表性的文献均是基于人眼视觉特性建立的立体图像质量评价模型。然而，迄今为止，由于人类对人眼视觉系统的认知水平还很有限，现有的人类视觉特性未必能够全面反映人的视觉感受。因此，一些文献提出采用神经网络方法来建立立体图像质量评价模型。文献^[10]提出了一种基于遗传神经网络的立体图像客观质量评价模型；文献^[11]通过独立成分分析(Independent Component Analysis,ICA)对立体图像进行预处理，结合基于二叉树的支持向量机方法，建立一种立体图像质量评价模型。文献^[12]考虑到传统神经网络存在学习速度缓慢、泛化能力差、极易陷入局部极小值等缺点，在使用主成分分析(Principal Component Analysis,PCA)进行预处理的基础上，引入了极端学习机(Extreme Learning Machine,ELM)[13-15]对立体图像质量进行客观评价。然而，由于ELM网络的输入权值和隐藏层节点的偏移量是随机给定的，对于具有相同隐藏层神经元个数的ELM网络，输入权值矩阵和偏移量的取值不同，网络的性能有很大差异，进而影响立体图像质量评价的准确性。

参考文献：

[1]鲁业频、陈兆龙、李素平，图像质量评价的研究现状与发展[J]，电视技术，2014，38(19):23-27；

[2]de Miranda Cardoso J V,Danilo Miranda Regis C,de Alencar M S.On the performance of disparity-based weighting technique applied to 3D image quality assessment[A].Broadband Multimedia Systems and Broadcasting(BMSB)[C].IEEE International Symposium on.IEEE,2014:1-4,

[3]Yu-Hsun Lin,Ja-Ling Wu.Quality assessment of stereoscopic 3D image compression by binocular integration behaviors[J].IEEE Transactions on Image Processing,2014,23(4):1527–1542,