申请/专利权人:天津大学
申请日:2024-01-26
公开(公告)日:2024-04-16
公开(公告)号:CN117893886A
主分类号:G06V10/98
分类号:G06V10/98;G06V10/26;G06V10/82;G06V10/80;G06N3/0455;G06N3/0464;G06N3/082
优先权:
专利状态码:在审-公开
法律状态:2024.04.16#公开
摘要:本发明公开了一种基于独眼特征的无参考立体图像质量评价方法,属于立体图像质量评价技术领域;包括如下步骤:进行预处理,把原始立体图像的左右视图分割成128×128大小的图像块;以原始立体图像为划分标准,随机选取80%作为网络的训练样本,20%作为测试样本;使用四组卷积和池化操作对左右视图提取多层级特征图,将各层级左右特征图分别送入基于独眼特征的双目融合模块,将融合后得到各层级左右独眼特征图;左右独眼特征图通过基于人类视觉前后馈机制的多层级特征聚合模块,在不同尺度上将各层级特征聚合后得到层级信息增强特征图,经过全连接层得到客观分数。本发明能够较好的模拟人类视觉系统的双目融合和前后馈机制,提高了客观评价算法的准确性。
主权项:1.一种基于独眼特征的无参考立体图像质量评价方法,其特征在于,包括下列步骤:S1、对用于训练的原始立体图像进行预处理,将其转换成灰度图像并分割成128×128的小图像块,为每个图像块赋予图像的真实质量分数,作为网络模型的输入;S2、训练基于独眼特征的双目融合网络,方法如下:S2.1、使用四组卷积和池化操作对左右视图提取各层级特征,其中,每组卷积和池化操作包含两个3×3的卷积层和一个最大池化层,左右视图经处理后得到四个层级的特征图;S2.2、将左右视图的各层级特征图分别送入基于独眼特征的双目融合模块,得到各层级左右独眼特征图;S2.3、将独眼特征图输入基于人类视觉前后馈机制的多层级特征聚合模块,再使用全连接层预测图像的质量分数;S2.4、计算网络的损失函数:在得到预测的图像质量分数后,计算网络的损失函数;S3、使用训练好的网络进行图像质量评价:对待评价立体图像进行预处理后输入网络,并对网络输出的图像块质量分数进行平均处理得到整张图像的质量分数。
全文数据:
权利要求:
百度查询: 天津大学 一种基于独眼特征的无参考立体图像质量评价方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。