[发明专利]基于双目融合网络的立体图像质量评价方法

权利要求书

1.一种基于双目融合网络的立体图像质量评价方法，其特征是，首先将原始的立体图像对作为双目融合网络的两个输入，然后双目融合网络通过在低层与高层的融合自主地提取深度特征，同时结合网络提取的空间特征，得到立体图像的质量分数。

2.如权利要求1所述的基于双目融合网络的立体图像质量评价方法，其特征是，具体地，双目融合网络整体框架基于Alexnet网络搭建，双目融合网络被分为三个部分：左通道、右通道与融合通道；其中，左通道与右通道分别包含四个卷积层与两个池化层，左通道用于提取纯粹的左视点特征，右通道用于提取纯粹的右视点特征，融合通道包含四个卷积层，三个池化层与三个全连接层，在左右通道的每次卷积操作之后均有一次融合操作，故融合通道共有四次融合，这四次融合与大脑V1、V2、V3、V4四个区域的深度感知相对应，即双目融合网络既在浅层融合，也在高层融合，融合通道用于提取深度特征，最后，立体图像质量分数由全连接层将高维特征映射到输出域得到。

3.如权利要求2所述的基于双目融合网络的立体图像质量评价方法，其特征是，双目融合网络中的卷积操作被定义为式(1)

F_l＝RELU(W_l*F_{lth_input}+B_l) (1)

在式(1)中，W_l与B_l分别代表第l层卷积层的权重与偏执，F_l代表第l层卷积层输出的特征图，F_{lth_input}代表第l层卷积层的输入。RELU为激活函数，*代表卷积操作。

4.如权利要求2所述的基于双目融合网络的立体图像质量评价方法，其特征是，双目融合网络中的所有池化层都为最大池化，在利用反向传播算法训练网络时，通过最小化损失函数来学习卷积层、池化层与全连接层的参数，双目融合网络使用欧几里得函数，如式(2)所示：

在(2)中，Y_i与y_i分别代表样本i的期望输出与真实输出，n代表批处理的大小。