重组基于DCT的图像表示，以减少参考立体图像质量评估

本文是一篇发表在Neurocomputing期刊上的研究论文，标题为“重组基于DCT的图像表示，以减少参考立体图像质量评估”。文章提出了一个新颖的减少参考立体图像质量评估方法（Reduced Reference Stereoscopic Image Quality Assessment，简称RR SIQA），主要通过对立体图像在重组离散余弦变换（Reorganized Discrete Cosine Transform，简称RDCT）域的统计特性进行特征化描述。 在立体图像处理和评估领域，立体图像质量评估（SIQA）是一个重要且挑战性的问题。立体图像质量评估方法主要分为无参考、全参考和减少参考三类。无参考方法不使用原始图像进行评估，全参考方法需要原始图像作为参考，而减少参考方法则仅利用部分原始图像信息进行评估，这在实际应用中更为可行，因为它大大减少了所需的传输信息量和存储需求。 文章的主要贡献点在于提出了一种基于RDCT的方法，该方法通过对立体图像的左、右视图以及二者之间的差异图像进行基于块的离散余弦变换（Block-based Discrete Cosine Transform，简称DCT），然后将DCT系数重新组织成三级系数树，形成十个RDCT子带。每个RDCT子带的系数分布的统计特性通过广义高斯密度（Generalized Gaussian Density，简称GGD）函数进行建模。进一步地，利用互信息（Mutual Information，简称MI）和能量分布比（Energy Distribution Ratio，简称EDR）来描述不同RDCT子带之间的统计特性。EDR还可以进一步模拟人类视觉系统的相互掩蔽特性。通过在每个RDCT子带内部考虑GGD模型的行为，并结合MI与EDR来表征RDCT子带之间的特性，立体图像的统计特性得到了充分利用，包括左视图、右视图以及差异图像。实验结果表明，提出的方法在减少参考立体图像质量评估中有效。 文章的关键词还包括“Stereoscopic Image Quality Assessment（立体图像质量评估）”、“Reduced Reference（减少参考）”和“Human Visual System（人类视觉系统）”。文章的作者来自华为诺亚方舟实验室、深圳大学、南京信息工程大学和华中科技大学。研究团队由Lin Ma、Xu Wang、Qiong Liu和King Ngi Ngan等人组成。 文章的结构概述了立体图像质量评估的重要性和研究背景，详细介绍了提出的方法及其理论基础，包括DCT和RDCT的概念及其在图像处理中的作用，GGD函数在描述系数分布统计特性中的应用，以及人类视觉系统特性在图像质量评估中的融入。此外，还描述了实验设计、评估标准以及实验结果的分析。 本文的研究方法不仅在技术层面上展示了如何通过数学模型来模拟和预测人类视觉对立体图像质量的感知，而且在实际应用层面上，为立体图像质量的评估提供了一种更为高效和实用的途径，特别是在需要减少数据传输和存储需求的场合。这对于推动立体图像应用的发展，比如3D电视、虚拟现实和增强现实等领域，具有重要的理论和实践意义。