深度卷积神经网络的立体彩色图像质量评价

摘要：

提出了一种基于深度卷积神经网络(convolution neural network,CNN)的无参考立体图像质量评价(stereoscopic image quality assessment,SIQA)算法.该模型采用彩色图像直接作为输入,由立体图像的左视图、右视图和视差图的彩色图像块组成3个通道直接输入,每个通道由12层的深度网络组成,通过卷积层与最大池的多层堆叠,学习到立体感知特性的局部自然场景统计特征.最后将3个通道学习到的特征向量线性拼接,通过全连接层回归,得到立体图像的质量得分.在LIVE 3D PhaseⅠ立体图像质量评价库上的实验结果表明,所提方法在JP2K、WN和FF失真类型上都优于文献报道的立体图像质量评价算法,具有很好的主观感知一致性.

关键词：无参考立体图像质量评价、卷积神经网络、视差图

所属期刊栏目：12

分类号：TP391.4(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No. 61170120

在线出版日期：2018-08-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1315-1322