【技术实现步骤摘要】
基于信息互换融合网络的立体图像质量评价方法
本专利技术属于图像处理领域，涉及到深度学习在立体图像质量评价中的应用与优化。
技术介绍
如今，立体成像技术逐步发展，在电影、科教、广告传媒、虚拟现实技术等领域都起了至关重要的作用。立体成像技术的广泛应用使得立体图像质量评价技术受到越来越多的关注。合理的立体图像质量评价技术不仅可以高效、准确地提供立体图像的质量分数，还可以指导立体图像处理和显示技术的发展。立体图像质量评价方法可分为主观评价和客观评价。尽管主观评价方法有较高的准确性，但耗时较多，代价较大。相比之下，客观评价方法具有较强的可操作性。根据是否采用参考图像以及参考图像使用数量，立体图像质量评价方法可分为全参考评价方法、半参考评价方法和无参考评价方法[1]。全参考评价方法的准确度较高，但是需要全部参考图的信息。半参考评价方法需要参考图的部分信息。无参考评价方法不需要参考图，因此具有更强的实用性。近年来，随着深度学习的发展，越来越多基于卷积神经网络(CNN)的立体图像质量评价方法被提出。不同于传统的立体图像质量评...
【技术保护点】
1.一种基于信息互换融合网络的立体图像质量评价方法，其特征是，将预处理后的左视图与右视图作为所搭建双通道卷积神经网络CNN模型的输入，并采用去相关的数据批量归一化对网络结构进行优化，在网络每个卷积层的后都有信息互换单元对所提取的特征进行融合，最终通过全局池化层与全连接层得到立体图像质量评价分数。/n
【技术特征摘要】
1.一种基于信息互换融合网络的立体图像质量评价方法，其特征是，将预处理后的左视图与右视图作为所搭建双通道卷积神经网络CNN模型的输入，并采用去相关的数据批量归一化对网络结构进行优化，在网络每个卷积层的后都有信息互换单元对所提取的特征进行融合，最终通过全局池化层与全连接层得到立体图像质量评价分数。
2.如权利要求1所述的基于信息互换融合网络的立体图像质量评价方法，其特征是，输入包括两个通道，分别对应左视图和右视图，模型共有五个卷积层，其中前两个卷积层后均有最大池化层，前四个卷积层后均有信息互操作来实现融合，第五个卷积层后引入联结层和信息互换单元来融合所提取到的左通道和右通道的特征，最终通过全局池化层和两个全连接层得到图像质量分数；
其中，CNN模型共有五个卷积层，其中前两个卷积层后引入最大池化层进行数据降维，前四个卷积层后均有一个互换单元来实现融合，第五个卷积层后引入联结层和互换模块来融合所提取到的左通道和右通道的特征，最终通...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。