《表2 多种评价方法总体性能比较Tab.2 Performance comparison of different assessment metrics》
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。
图表编号 | XD0020023900 严禁用于非法目的 |
---|---|
绘制时间 | 2018.05.15 |
作者 | 富振奇、费延佳、杨艳、邵枫 |
绘制单位 | 宁波大学信息科学与工程学院、宁波大学信息科学与工程学院、宁波大学信息科学与工程学院、宁波大学信息科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |