立体图像能够给人们带来沉浸式的观看体验,但在其采集、传输、显示等过程中不可避免的会引入噪声,从而产生不同程度的图像降质,影响观看者的视觉感受。因此,如何构建合理且高效的方法对所获取的立体图像质量进行评判,以提高视觉感受,显得尤为重要。同时,好的立体图像质量评价方法还能够为立体成像各种技术的优化提供指导。由于立体图像质量主观评价方法的实时性与可操作性受限,因此,建立一种立体图像质量的客观评价模型成为该领域的研究热点。论文主要基于卷积神经网络完成评价算法的搭建,并通过对图像或特征进行融合来模拟人眼对信息的处理机制,所完成的三个工作如下所述。首先,论文提出基于融合图像与多尺度特征融合网络的立体图像质量评价方法。先对左视点与右视点进行融合,然后将单幅融合图像作为网络模型的输入。模型采用不同大小的卷积核完成多尺度特征的提取与融合,并采用数据批量标准化与投影权值标准化提升网络性能。其次,为了更好地模拟人眼视觉系统中的双目融合,论文搭建信息互换融合网络来完成立体图像质量评价,将左、右视点分别作为网络两支路的输入。模型设计了多个信息互换单元,通过互换两个支路的部分特征,来实现双目信息融合。在网络的末尾采用互换模块,进一步融合两支路的特征。另外,模型引入去相关的数据批量标准化实现精度的提升。最后,论文提出基于多层次融合网络的立体图像质量评价方法,网络的输入为左、右视点。在网络的多个层级中,对两个支路的特征进行通道连接来模拟双目融合,并引入压缩激励模块对特征进行重标定,从而模拟双目竞争。在将特征映射到质量分数空间时,除了逐级提取到的局部特征,网络采用全局特征作为信息补偿,进一步提升评价方法的准确性。论文采用LIVE3D phase-I、LIVE3D phase-II数据库验证评价方法的性能。结果表明,论文所提方法取得了较好的结果,与人眼主观感受具有较高的一致性。