《表3 对比实验的性能比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于视差图指导的无参考立体图像质量评价》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了进一步证明本文方法的优势，进行了一系列关于改进SE模块和视差图特征的对比实验．在表3中，实验1表示仅仅使用融合图像的单通道网络和原始的SE模块，实现融合图像的特征提取和特征的自我校正．实验2在实验1的基础上，加入视差图的另一个通道网络，在这个实验中，视差图是用来进行特征提取和最终的特征补偿，不对融合图进行加权指导．实验3表示视差图通过使用改进的SE模块对融合图像进行加权指导，但没有将视差图的特征融入最终特征，质量分数仅仅由加权的融合图像的特征向量得到．与实验1相比，实验2取得了更好的性能，与实验3相比，本文方法取得了更好的性能，这两种现象，充分体现了将视差图的特征最为补偿特征，提升了整体性能．另外，实验1中，使用原始的SE模块实现了融合图像的自我校正；实验3中，使用改进的融合图像实现了视差图指导融合图像，与实验1相比取得了更好的性能．与实验2相比，本文将改进的SE模块替换原始的SE模块，取得了更好的性能．这两种情况说明了改进的SE模块的优越性．通过上述的对比实验，说明了本文算法的通过视差图进行特征补偿和改进的SE模块的优点取得了优异的性能．