[發明專利]基于卷積神經網絡的立體圖像舒適度評價方法

在審

• 申請號: 201810143049.0
• 申請日: 2018-02-11
• 公開（公告）號: CN108389192A
• 公開（公告）日: 2018-08-10
• 發明（設計）人: 李素梅;秦龍斌;朱兆琪;侯春萍
• 申請（專利權）人: 天津大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/04;G06N3/08
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 劉國威

1.一種基于卷積神經網絡的立體圖像舒適度評價方法，其特征是，將立體圖像的左視圖、右視圖和視差圖的信息合成為一幅圖像作為網絡的輸入，通過卷積神經網絡模擬人類感知來對所得圖像進行處理，經訓練得到權重系數，最后利用人眼視覺顯著特性將圖像塊舒適值加權作為整體圖像的舒適度值。

2.如權利要求1所述的基于卷積神經網絡的立體圖像舒適度評價方法，其特征是，卷積神經網絡采用ReLU激活函數解決梯度消失的問題，ReLU激活函數計算公式，如公式1：

f(x)＝max(0,x) (1)

公式中x為函數的輸入值，ReLU函數就是保留結果中的正數。

3.如權利要求1所述的基于卷積神經網絡的立體圖像舒適度評價方法，其特征是，卷積神經網絡采用局部響應歸一化LRN(Local Response Normalization)模仿生物神經元的側抑制效應，側抑制效應指的是被激活的神經元抑制相鄰神經元，局部響應歸一化層的響應歸一化激活函數如公式2：

分子表示第i個核在位置(x,y)運用ReLU激活函數的輸出，分母為選取左右臨近的n個卷積核，將它們在同一位置上卷積的結果進行求和，N為核的總數，k,n,α,β是常量，這些參數的值由實驗設定。

4.如權利要求1所述的基于卷積神經網絡的立體圖像舒適度評價方法，其特征是，利用人眼視覺顯著特性將圖像塊舒適值加權作為整體圖像的舒適度值具體是，采用具有各向異性的高斯核函數模擬注意力由中央向四周擴散的中央偏移CB因子：

CB(x,y)表示像素點(x,y)對中心點(x₀,y₀)的偏移信息，(x₀,y₀)表示失真右視點的中心點坐標，(x,y)為像素點坐標，σ_h和σ_v分別表示圖像水平方向和垂直方向的標準差；

歸一化CB(x,y)得到圖像對應的權值矩陣CB_normal(x,y)，如公式(4),其中M和N為圖像的長和寬，(x,y)為圖像的像素坐標；

將歸一化的權值矩陣按原始圖像分塊的方式進行分塊處理并求和得到塊歸一化權值CB_normal(i)，加入公式(5)：

整幅圖像共分為T個圖像塊，CB_normal(i)為第i個圖像塊的權值，value_block(i)為網絡預測出的第i個圖像塊的舒適度值，則整幅圖像的舒適度值value的計算如公式(5)。