沈丽丽，王 丹，徐 珂

(天津大学电气自动化与信息工程学院，天津 300072)

随着3D 成像技术和多媒体应用的飞速发展，越来越多的立体内容出现在日常生活中，如3D 电影、3D 游戏和3D 广告等．与平面图像相比，立体图像可以呈现出立体感和真实感，因此，如何客观准确地预测立体图像的感知质量比预测平面图像质量更具有挑战性．

早期的立体图像质量评价(SIQA)研究直接将成熟的2D 图像质量评估算法如SSIM[1]、MS-SSIM[2]应用于立体图像的单个视图，对其取平均值来表示立体图像的质量分数．这些方法没有考虑立体图像的感知特性，无法提供满意的评价效果．为了更好地模拟双目视觉特性，如双目融合、双目竞争和视差原理等，文献[3]将双眼质量预测简化为单眼特征编码和合并，预测立体图像的质量分数．文献[4]使用感知组合算法从失真立体图像中生成两种融合图用于质量分数预测．文献[5]从合成图和视差图中提取对比度、边缘和结构等信息预测立体图像质量分数．文献[6]引入双目特征和双目能量的概念，提出一种无参考立体图像质量评估方案．基于人类视觉系统，文献[7]使用AdaBoost 机器学习算法设计立体图像质量评估指标．以上方法都是将手工提取的特征输入到回归模型中预测立体图像的感知质量，然而，由于人类视觉系统的复杂性，设计特征需要大量的经验和知识，设计过程非常复杂．

近年来，卷积神经网络(CNN)在计算机视觉领域中得到广泛的应用．CNN 将原始图……