买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：辽宁大学

摘要：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64×64。2.对分块后的图像进行归一化处理，使训练数据集具有相同的分布，加快训练速度和学习效率。3.构建双流交互式网络模型，在左右视图子网络中构建交互式子网络来模拟双目感知，在左右视图子网络中加入非对称卷积核来增强局部信息的感知。4.将训练数据集输入到网络模型中提取图像的单目和双目特征，构建质量评价模型。本发明所述的基于双流交互式网络的质量评价模型在国际主流的数据集上取得了优异的性能，与目前主流算法相比具有较好的竞争力。

主权项：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，Ii,j为i,j坐标下图像块的像素值，μi,j为训练集图像的均值，σi,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。

全文数据：

权利要求：

百度查询： 辽宁大学 基于双流交互式网络的无参考立体图像质量评价方法