基本信息:
- 专利标题： 基于深度学习的3D图像质量的度量方法
- 申请号：CN201710842515.X 申请日：2017-09-18
- 公开(公告)号：CN107633513B 公开(公告)日：2021-08-17
- 发明人： 李素梅 , 常永莉 , 段志成 , 侯春萍
- 申请人： 天津大学
- 申请人地址： 天津市南开区卫津路92号
- 专利权人： 天津大学
- 当前专利权人： 天津大学
- 当前专利权人地址： 天津市南开区卫津路92号
- 代理机构： 天津市北洋有限责任专利代理事务所
- 代理人： 刘国威
- 主分类号： G06T7/00
- IPC分类号： G06T7/00 ; G06K9/46 ; G06K9/62
摘要：
本发明属于图像处理领域，为提出一种新的立体图像质量评价方法，实现更加准确有效的评价立体图像质量,同时在一定程度上推动立体成像技术的发展。为此，本发明采用的技术方案是，基于深度学习的3D图像质量的度量方法，首先对立体图像数据集进行切块处理，切块处理得到许多小的图像块，再对每个图像块进行归一化处理；同时对立体图像数据集进行主成分分析PCA降维处理，得到维度较低的图像；然后将切块得到的图像块数据集与PCA降维后得到的低维度数据集送入搭建的卷积神经网络中；然后利用卷积神经网络逐层提取特征；最后通过softmax分类器得到立体图像的总体质量。本发明主要应用于图像处理。
公开/授权文献:
- CN107633513A 基于深度学习的3D图像质量的度量方法 公开/授权日：2018-01-26
IPC结构图谱:
| G | 物理 |
| --G06 | 计算；推算；计数 |
| ----G06T | 一般的图像数据处理或产生 |
| ------G06T7/00 | 图像分析，例如从位像到非位像 |