深度卷积神经网络的立体彩色图像质量评价

来源：计算机科学与探索杂志2018年第8期北京时间：

作者：陈慧，李朝锋

单位：江南大学 物联网工程学院，江苏 无锡 214122

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