深度卷积神经网络的立体彩色图像质量评价

• 作者: 李朝锋 陈慧
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 无参考立体图像质量评价 卷积神经网络 视差图
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 1315-1322
• 页数: 8页
• 分类号: TP391.4
• 字数: 4692字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1705072

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李朝锋	江南大学物联网工程学院	48	430	12.0	19.0
2	陈慧	江南大学物联网工程学院	5	18	2.0	4.0