《表3 LIVEⅡ数据库2种不同方法的性能比较Tab.3 Performance comparison of two different methods in LIVEⅡdatabase》

  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

《基于稀疏字典学习的立体图像质量评价》

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

表2和表3是本文算法和文献[8]针对不同失真类型所得不同指标的数据结果.根据表2和表3中的数据可以看出，LIVEⅠ数据库中，对于JP2K、JPEG两种失真类型，本文算法对JP2K失真类型的PLCC和SROCC分别为0.939，9和0.903，5；文献[8]对JP2K失真类型的PLCC和SROCC分别为0.941，5和0.906，7.本文算法对JPEG失真类型的PLCC和SROCC分别为0.732，5和0.663，1；文献[8]对JPEG失真类型的PLCC和SROCC分别为0.744，4和0.696，3；针对JP2K和JPEG这两种失真类型的立体图像，本文算法略差于文献[8].但是，对于WN、Gblur和FF这3种失真类型立体图像的质量评价，本文算法比文献[8]好.LIVEⅡ数据库中，对于WN、JPEG 2种失真类型，本文算法WN失真类型的PLCC和SROCC分别为0.922，5和0.925，7，文献[8]WN失真类型的PLCC和SROCC分别为0.927，7和0.922，8；比较而言，本文算法PLCC指标略低于文献[8]，但SROCC指标比文献[8]高，说明本文算法对于WN失真类型的立体图像评价性能并不低于文献[8].本文算法JPEG失真类型的PLCC和SROCC分别为0.778，8和0.732，9，文献[8]JPEG失真类型的PLCC和SROCC分别为0.797，8和0.773，5.针对JPEG失真类型，本文算法性能较文献[8]略差，但差异不大.分析可知，在LIVEⅠ数据库上，文献[8]更适合于评价JP2K、JPEG两种失真类型，本文算法比较适合于评价WN、Gblur和FF这3种失真的立体图像质量；而评价JP2K、JPEG 2种失真类型的立体图像效果略差一点.在LIVEⅡ数据库上，文献[8]更适合于评价JPEG失真类型.本文算法比较适合于评价WN、Gblur、JP2K和FF这4种失真的立体图像质量；而评价JPEG失真类型的立体图像效果略差一点.但从全部数据分析，本文算法的PLCC和SROCC均好于文献[8]，实验结果表明本文所提方法具有更好的普适性，更符合人眼的主观视觉感受.