科创中国

电子信息技术

本发明公开了一种基于稀疏特征相似度的立体图像质量客观评价方法，其提取融合图像字典表和视点图像字典表；然后采用一阶双目融合模型，利用融合图像字典表提取一阶融合图像稀疏特征图，同时利用视点图像字典表提取左、右视点图像各自的稀疏特征图，采用二阶双目融合模型对左、右视点图像各自的稀疏特征图进行融合，得到二阶融合稀疏特征图；再利用稀疏特征相似度的方法得到失真立体图像的客观质量评价预测值；优点是在字典学习阶段避免了复杂的机器学习训练过程，且无需预知各无失真立体图像的主观评价值；在质量预测阶段采用的一阶双目融合模型和二阶双目融合模型能有效表示双目视觉特性，因此能有效地提高客观评价结果与主观感知之间的相关性。

①_1、选取K幅宽度为W且高度为H的原始的无失真立体图像，将第k幅原始的无失真立体图像记为Sorg,k，将Sorg,k的左视点图像和右视点图像对应记为{Lorg,k(x,y)}和{Rorg,k(x,y)}，其中，K≥1，1≤k≤K，1≤x≤W,1≤y≤H，Lorg,k(x,y)表示{Lorg,k(x,y)}中坐标位置为(x,y)的像素点的像素值，Rorg,k(x,y)表示{Rorg,k(x,y)}中坐标位置为(x,y)的像素点的像素值； ①_2、采用一阶双目融合模型，对每幅原始的无失真立体图像的左视点图像和右视点图像进行融合，得到每幅原始的无失真立体图像的一阶融合图像，将对{Lorg,k(x,y)}和{Rorg,k(x,y)}进行融合得到的Sorg,k的一阶融合图像记为{Corg,k(x,y)}，其中，Corg,k(x,y)表示{Corg,k(x,y)}中坐标位置为(x,y)的像素点的像素值。

周武杰，1983年9月出生，副教授/博士后，硕士生导师，浙江省电子学会理事，IEEE成员，CCF成员，中国人工智能学会会员，浙江省“计算机科学与技术”一流学科B类方向负责人。2012年入选"青年骨干教师"，2015年入选"优秀青年教师资助计划"，2016年入选"科大青年英才"，2022年入选斯坦福大学发布的全球前2%顶尖科学家榜单。浙江大学信息与通信工程专业博士后，国家留学基金委公派新加坡南洋理工大学访问学者。主要从事人工智能与深度学习、机器视觉与模式识别、图像处理等方面的研究;近几年以第一作者在AAAI、TIP、TNNLS、TCSVT、TMM、TITS、TSTSP、TSMC、TBC、TGRS、TCI、MIS、TCDS、TETCI、TIV、PR和中国科学等国际权威SCI期刊或核心期刊上发表学术论文50多篇

点击查看