基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
目的 传统的立体视觉舒适度评价模型,在学习阶段一般采用回归算法,且需要大量的包含主观测试数据的训练样本,针对这个问题,提出一种利用多核增强学习分类算法的立体图像舒适度评价模型.方法 首先,考虑人们在实际观测图像时,对于先后观测到的不同图像进行相互比较的情况,将评价模型看成是偏好分类器,构造包含偏好标签的偏好立体图像对(PSIP),构成PSIP训练集;其次,提取多个视差统计特征和神经学模型响应特征;然后,利用基于AdaBoost的多核学习算法来建立偏好标签与特征之间的关系模型,并分析偏好分类概率(即相对舒适度概率)与最终的视觉舒适度之间的映射关系.结果 在独立立体图像库上,与现有代表性回归算法相比较,本文算法的Pearson线性相关系数(PLCC)在0.84以上,Spearman等级相关系数(SRCC)在0.80以上,均优于其他模型的各评价指标;而在跨库测试中,本文算法的PLCC、SRCC指标均优于传统的支持向量回归算法.结论 相比于传统的回归算法,本文算法具有更好的评价性能,能够更为准确地预测立体图像视觉舒适度.
推荐文章
基于烦恼率模型的船舶振动、噪声舒适度评价
船舶
舒适度
烦恼率模型
振动
基于显著性分析的立体图像视觉舒适度预测
立体图像
视觉舒适度评价
视觉显著图
协方差矩阵
Sigma特征集
多核学习纹理特征的立体图像质量评价
立体图像质量评价
通用无参考
多核学习
图像纹理
立体图像生成的视差控制
视差
汇聚与调节冲突
立体融合区
深度获取
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 利用多核增强学习的立体图像舒适度评价模型
来源期刊 中国图象图形学报 学科 工学
关键词 立体图像 视觉舒适度评价 偏好标签 偏好立体图像对(PSIP) 多核增强学习 偏好分类器
年,卷(期) 2016,(10) 所属期刊栏目 图像处理和编码
研究方向 页码范围 1328-1336
页数 9页 分类号 TN919
字数 6585字 语种 中文
DOI 10.11834/jig.20161007
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 蒋刚毅 宁波大学信息科学与工程学院 180 2141 22.0 41.0
2 邵枫 宁波大学信息科学与工程学院 72 276 10.0 14.0
3 张竹青 宁波大学信息科学与工程学院 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (16)
共引文献  (10)
参考文献  (18)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(7)
  • 参考文献(3)
  • 二级参考文献(4)
2012(7)
  • 参考文献(3)
  • 二级参考文献(4)
2013(3)
  • 参考文献(3)
  • 二级参考文献(0)
2014(3)
  • 参考文献(3)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
立体图像
视觉舒适度评价
偏好标签
偏好立体图像对(PSIP)
多核增强学习
偏好分类器
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国图象图形学报
月刊
1006-8961
11-3758/TB
大16开
北京9718信箱
82-831
1996
chi
出版文献量(篇)
5906
总下载数(次)
17
总被引数(次)
131816
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导