[1]张爽爽,周武杰.基于卷积神经网络的立体图像质量评价[J].浙江科技学院学报,2020,(01):26-31.
点击复制

基于卷积神经网络的立体图像质量评价(/HTML)
分享到：

《浙江科技学院学报》[ISSN:1001-3733/CN:61-1062/R]

卷:
期数:
2020年01期
页码:
26-31
栏目:
出版日期:
2020-03-20

文章信息/Info

Title:
Stereoscopic image quality evaluation based on convolutional neural network
文章编号:
1671-8798(2020)01-0026-06
作者:
张爽爽; 周武杰
浙江科技学院 信息与电子工程学院，杭州 310023
Author(s):
School of Information and Electronic Engineering, Zhejiang University of Science and Technology, Hangzhou 310023, Zhejiang, China
关键词:
图像质量评价; 卷积神经网络; 加权融合; 融合图像
分类号:
TP389.1
文献标志码:
A
摘要:
随着立体图像的广泛应用，迫切需要一个具有通用性的工具来评估立体图像的视觉质量，因此提出一种基于卷积神经网络的无参考立体图像质量评价算法。首先使用平面图像数据集对算法框架的主体结构质量图生成网络进行训练；然后使用训练好的网络预测立体图像融合视点图像的质量；最后使用一种加权融合方法得到最终的立体图像质量分数。试验结果表明，算法框架具有相对较好的准确性和鲁棒性。

相似文献/References:

[1]孙淼,Guindo Mahamed Lamine,庄振华,等. 基于LIBS技术和卷积神经网络的土壤铅含量等级快速分类[J].浙江科技学院学报,2019,(05):373.
　SUN Miao,Guindo Mahamed Lamine,ZHUANG Zhenhua,et al. On fast classification of lead(Pb) levels in soil based on LIBS technology and convolutional neural network[J].,2019,(01):373.
[2]丰明坤,周红,孙丽慧.基于视觉感知与学习的图像质量评价[J].浙江科技学院学报,2019,(6):444.
[3]马骏,钱亚冠,郭艳凯,等. 不均衡数据对卷积神经网络的影响及改进算法[J].浙江科技学院学报,2020,(03):181.
　Influence upon and improved algorithm of convolutional neural networks under data imbalance[J].,2020,(01):181.
[4]沈梦婷,岑岗,周闻,等.基于CNN智能AI助手的早期教育系统设计[J].浙江科技学院学报,2020,(06):590.
　Design of early education system based on CNN intelligent AI assistant[J].,2020,(01):590.
[5]毕云杉,钱亚冠,张超华,等.基于ERNIE模型的中文文本分类研究[J].浙江科技学院学报,2021,(06):461.
　BI Yunshan,QIAN Yaguan,ZHANG Chaohua,et al.Research on Chinese text classification based on ERNIE model[J].,2021,(01):461.
[6]付乐,胡月,董虹伶,等.多时间尺度下变体生成式对抗网络的股价预测[J].浙江科技学院学报,2023,(01):72.
　FU Le,HU Yue,DONG Hongling,et al.Stock price prediction with a variant generative adversarial network in multiple time scales[J].,2023,(01):72.

更新日期/Last Update: