基于投影权值归一化的立体图像质量评价方法

摘要：

本文基于深度卷积神经网络和融合图像提出了一种引入投影权值归一化的立体图像质量评价方法.首先基于人眼双目竞争现象,提出对经过Gabor滤波后的左右视点图像进行彩色融合,从而得到单幅融合图像.卷积神经网络的输入即为预处理后的融合图像,通过卷积层自主对图像特征进行提取,采用池化层对特征信息降维,保留显著特征且减小网络计算复杂度;采用ReLU非线性激活函数缓解梯度消失,有效缓解了网络过拟合问题;网络引入数据批量归一化来规范各层输入数据的分布,引入投影权值归一化来保证权值参数的量级相同,有效地提升了算法的性能.本文在公开的立体图像库LIVE-Ⅰ和LIVE-Ⅱ上进行了实验.实验结果表明,本文方法在对称失真与非对称失真的立体图像质量评价上均具有较好的性能.

关键词：立体图像质量评价、卷积神经网络、投影权值归一化、数据批量归一化

所属期刊栏目：53

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61520106002,61002028

在线出版日期：2020-03-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：252-258