基于双流交互式网络的无参考立体图像质量评价方法技术

一种基于双流交互式网络的无参考立体图像质量评价方法：1.构建训练数据集，从LIVE和IVC立体图像数据集中，随机选取80％图像作为训练集并进行分块处理，分块大小是64

【技术实现步骤摘要】
基于双流交互式网络的无参考立体图像质量评价方法


[0001]本专利技术涉及无参考立体图像质量评价领域，尤其涉及一种双流交互网络模拟双通道处理机制的无参考评价方法。

技术介绍

[0002]立体图像质量评分为主观质量评价和客观质量两种，其中主观质量评估是完全符合人眼的感知过程，通过参与者现场对立体图像感受来决定质量好坏，但该方法既费时又不具有实时性。其次，客观质量评价方法的主体是计算机模型，通过机器学习模型或深度学习模型等方法来判断图像质量好坏的方法。因而，建立一个能够有效并且准确地判断3D图像视觉感知质量的客观质量评价方法至关重要。客观图像质量评价方法根据使用参考图像信息的多少可以分为以下三类：全参考质量评价方法、半参考质量评价方法和无参考质量评价方法。其中FR
‑
IQA需要使用原始图像的全部信息，RR
‑
IQA需要使用原始图像的部分信息，而NR
‑
IQA 不需要原始图像的任何信息。由于参考图像在日常生活中难以获得，这使得NR
‑
IQA更加实用和流行。因此，建立一个有效的无参本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双流交互式网络的无参考立体图像质量评价方法，其特征在于，其步骤为：1)从立体图像数据集中选取预训练数据集，并对数据集进行切片处理得到分辨率大小为64
×
64的训练数据集；同时，对所构建的训练数据集进行预处理操作，使用标准化预处理，将不同的图像映射到同一坐标系，同时使网络模型处理的输入数据具有相同趋势；标准化预处理函数如下：其中，式中(i,j)为图像块中像素点的位置坐标，I(i,j)为(i,j)坐标下图像块的像素值，μ(i,j)为训练集图像的均值，σ(i,j)为训练集图像的方差；2)训练基于双流交互式网络模型作为质量特征提取网络，具体为：2.1)构建左右视图子网络并使用非对称卷积核增强对输入图像块局部特征的提取；2.2)结合双通道感知机制构建交互式网络结构来获取输入数据的求和与差分信号，然后通过concat操作进行特征融合；2.3)融合左右视图子网络所提取的单目特征和交互式子网络所提取的双目特征，然后将融合特征经过全连接层和ReLU激活函数处理映射为图像的质量分数；2.4)通过降低损失函数值来不断优化网络中神经元的权重参数，最终使模型的预测性能达到稳定状态。；3)将预测数据输入到训练好的网络模型进行质量预测，首先将预测数据同样通过第一步的分块和标准化预处理操作得到最终的模型输入数据；对于分块后小块图像的主观质量分数值采用整幅图像的主观值，然后，将预处理后的分块和其主观质量分数输入到模型得到图像块的预测质量分数；最后，通过对一幅图像的所有小块的预测质量分数取平均值得到该图像最终预测质量分数值。2.根据权利要求1所述的一种基于双流交互式网络的无参考立体图像质量评价方法，其特征在于，所述的2.1)中，具体方法为：2.1)构建左右视图子网络，通过构建相同结构的左右视图子网络用于模型的左右视图块的特征提取，并通过使用非对称卷积核提取更多左视图局部特征，增强对局部特征的感知。3.根据权利要求1所述的一种基于双流交互式网络的无参考立体图像质量评价方法，其特征在于，所述的2.2)中，具体方法为：2.2)构建交互式子网络，通过结合双通道处理机制将左右视图子网...

【专利技术属性】
技术研发人员：刘允，黄宝庆，王晓旭，
申请(专利权)人：辽宁大学，
类型：发明
国别省市：