[发明专利]一种深度学习及视差图加权指导的立体图像质量评价方法有效
| 申请号： | 201910568557.8 | 申请日： | 2019-06-27 |
| 公开（公告）号： | CN110351548B | 公开（公告）日： | 2020-12-11 |
| 发明（设计）人： | 李素梅;韩永甜;丁义修 | 申请（专利权）人： | 天津大学 |
| 主分类号： | H04N17/00 | 分类号： | H04N17/00;H04N13/106;G06N3/04 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 韩帅 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种深度学习及视差图加权指导的立体图像质量评价方法，包括如下步骤：S1、通过立体图像中独立的左右视点图像搭建双支神经网络，所述双支网络神经包括融合图像分支和视差图像分支；S2、对所述融合图像分支及视差图像分支分别提取图像特征信息；S3、通过第一次引入SE模块，将所述视差图像分支与融合图像分支中图像特征进行加权计算，进而完成对融合图像分支中图像特征的校正等步骤；该方法可以更加准确进行质量预测，提高立体图像质量评价工作的效率。 | ||
| 搜索关键词： | 一种 深度 学习 视差 加权 指导 立体 图像 质量 评价 方法 | ||
【主权项】：
1.基于深度学习及视差图加权指导的立体图像质量评价方法，其特征在于，包括如下步骤：S1、通过立体图像中独立的左右视点图像搭建双支神经网络，所述双支网络神经包括融合图像分支和视差图像分支；S2、对所述融合图像分支及视差图像分支的图像特征分别进行第一阶段的提取；S3、通过第一次引入SE模块，将所述视差图像分支与融合图像分支中图像特征进行加权计算，进而完成对融合图像分支中图像特征的校正；S4、对视差图像分支第一阶段提取的特征及校正过的融合图像分支特征进行进一步提取，即完成第二阶段的特征提取；S5、通过第二次引入SE模块，将视差图像分支中第二阶段提取的图像特征信息与校正后融合图像分支提取的特征进行加权计算，完成第二阶段的校正；S6、将两个支路最终提取到的特征进行连接进而完成立体图像的质量评价。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津大学，未经天津大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910568557.8/，转载请声明来源钻瓜专利网。
