计算机工程

作者：史玉华, 张闯, 迟兆鑫

单位：1. 南京信息工程大学 电子与信息工程学院, 南京 210044;2. 江苏省气象探测与信息处理重点实验室, 南京 210044

关键词：立体图像质量评价,多元特征,立体显著性,无参考图像评价,卷积神经网络

基金：中国博士后科学基金（2015M571781）；江苏省优势学科资助项目；江苏省高校品牌专业建设资助项目。

立体图像质量评价（SIQA）是评估立体成像系统性能的一种有效方法。考虑到深度信息是立体图像的重要特征，提出一种结合卷积神经网络（CNN）与立体图像深度显著性特征的无参考SIQA方法。分别利用改进显著特征检测模型和高斯差分滤波器提取立体图像的显著特征和深度特征，并通过小波变换融合两者得到深度显著性特征。在此基础上，将深度显著性特征、对比度特征和亮度系数归一化特征作为输入特征对CNN进行模型训练，从而预测图像的质量分数。该方法在LIVE 3D IQA Phase Ⅰ、Phase Ⅱ、NBU 3D IQA图像库上的皮尔森线性相关系数分别为0.948、0.962、0.943，斯皮尔曼秩相关系数分别为0.937、0.961、0.902，在Phase II、NBU 3D IQA跨数据库上的斯皮尔曼秩相关系数分别为0.832、0.673。实验结果表明，该方法预测的质量分数符合人类主观感知，且具有较好的适用性和鲁棒性。

来源：2021年第12期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第12期