《表2 多种评价方法总体性能比较Tab.2 Performance comparison of different assessment metrics》

  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

由表2可见，本文方法在LIVE-I和LIVE-II立体图像数据库上的总体评价性能较好。由于本文使用CNN提取的深层特征替代传统人工特征，不仅提高了特征提取的效率，也使得提取的特征更为有效。在LIVE-I上，本文方法的PLCC、SROCC值都达到了0.94；在LIVE-II上，PLCC、SROCC值也接近0.9，对立体图像的质量预测准确，较传统方法有较大提升。