文献

J-GLOBAL ID：202002214560910829   整理番号：20A0385498

無参照立体画像品質評価のためのAdaBoostニューラルネットワークとCyclopeanの視点【JST・京大機械翻訳】

AdaBoost neural network and cyclopean view for no-reference stereoscopic image quality assessment

著者 (3件)： Messai Oussama (Laboratoire Automatique et Robotique, Universite des Freres Mentouri, Constantine 1, Algeria) ,  Hachouf Fella (Laboratoire Automatique et Robotique, Universite des Freres Mentouri, Constantine 1, Algeria) ,  Seghir Zianou Ahmed (Computing Department, University of Abbes laghrour Khenchela, Algeria)
資料名： Signal Processing: Image Communication  (Signal Processing: Image Communication)
巻： 82  ページ： Null  発行年： 2020年 
JST資料番号： T0844A  ISSN： 0923-5965  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 立体画像は多くの分野で広く使われている。多くのシナリオにおいて,立体画像品質は,非対称歪のような様々な劣化によって影響を受けることができた。従って,経験の最良の品質を保証するためには,立体コンテンツの品質評価のためにロバストで正確な参照のない計量が必要である。ほとんどの既存の立体非参照画像品質評価(IQA)モデルは非対称歪と一致しない。本論文では,人間の視覚システム(HVS)モデリングと高度な機械学習アルゴリズムを用いた新しい非参照立体画像品質評価尺度を提案した。提案したアプローチは2つの段階から成る。第一段階では,非対称的に歪んだ部分をカバーするために,双眼の存在を考慮して,サイクロペーン画像を構築した。第二段階では,勾配の大きさ,相対勾配の大きさ,および勾配の方向を抽出した。これらは,品質に対する情報の予測源として使用される。異なるデータベースに対して最良の全体的性能を得るために,人工ニューラルネットワークモデルと組み合わせた機械学習の適応ブースティング(AdaBoost)アイデアを採用した。ベンチマークLIVE 3DフェーズI,フェーズII,およびIRCCyN/IVC3Dデータベースを用いて,提案したアプローチの性能を評価した。実験結果は,提案したメトリック性能が主観的評価と高い整合性を達成し,様々なタイプの歪に対してブラインド立体IQAより優れていることを実証した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *品質 ,  *立体画像 ,  ベンチマーク ,  コンテンツ ,  学習アルゴリズム ,  位相 ,  三次元 ,  機械学習 ,  主観評価 ,  *画質 ,  *ニューラルネットワーク ,  ロバスト性 ,  非対称性 ,  データベース
準シソーラス用語： *品質評価 , 【Automatic Indexing@JST】

著者キーワード (6件)： 立体品質評価 ,  無基準 ,  両眼闘争 ,  Cyclopeanの視点 ,  ニューラルネットワーク ,  AdaBoost

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 参照 ,  立体画像 ,  品質評価 ,  AdaBoost ,  ニューラルネットワーク ,  視点