一种基于多列卷积神经网络的无参3D图像质量评估方法

本发明公开了一种基于多列卷积神经网络的无参3D图像质量评估方法。该方法分为块训练和全局训练两部分。块训练部分，将左右视点分别划分为相同大小的块，计算每块的SSIM，将这些带有SSIM标签的块用基于级联的多列卷积神经网络的深度学习网络进行训练。全局训练部分，将左右视点的块用上一部分的网络预测得到SSIM值，将这些SSIM值排列成一个列向量。最后，用几个全连接网络将特征向量映射为一个3D图像主观质量值。本发明方法在LIVE Phase I和LIVE Phase II通用3D图像数据库上进行试验，都具有较高的鲁棒性和准确性。
上海大学
王永芳 | 帅源