《表3 不同失真类型的PLCC值Tab.3 PLCCresults for different distortion types》

  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

《基于深层特征学习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

为进一步说明本文提出的方法的有效性，表3和表4分别给出不同质量评价方法下各种失真类型的PLCC值和SROCC值，其中黑色标记表示评价效果最好。由表3可知，在LIVE-I和LIVE-II上的，本文方法在5种不同失真类型下的PLCC值都很高，质量预测准确性较好。在表4中，本文方法对GB失真的评价结果较为一般，但在其他4类失真上都取得了较好的评价结果，证明本文方法整体上对立体图像的质量预测是有效的。为检验模型的泛化能力，防止过拟合因素对实验产生干扰，在LIVE-I和LIVE-II上进行跨数据库测试。跨数据库测试结果见表5。由表可见，跨数据库测试的总体性能良好，证明本文方法具有较好的通用性。