立体图像的质量不仅影响着人们对立体图像的感知,而且反映了立体图像的传输、压缩等处理技术的好坏。所以有必要设计一种可靠、高效的方法来评估立体图像质量的优劣。为了使所提方法能够模拟人脑对立体图像的感知机制,论文设计了一种左右视点的融合方法,并依据融合图像提出了两种无参考立体图像的质量评价客观方法。第一,首先根据视觉特性得到融合图像,利用立体匹配算法得到视差图,将视差图和融合图像结合形成强化图像;其次,考虑到图像在不同尺度下呈现不同的特性,通过两种高斯模型对视差梯度加权后的融合图像和强化图像在两种尺度下提取自然场景统计特征;然后,对视差图使用简单、高效的方法提取统计特征;最终将特征进行融合,并送入支持向量回归,以主观得分作为标签得到立体图像的客观质量分数。第二,根据卷积神经网络提取特征的优异能力,设计了一种双通道的卷积神经网络来实现无参考立体图像质量评价。首先,建立一个以密集连接网络为主体的卷积神经网络结构;其次,将融合图像作为卷积神经网络一个通道的输入,另一个通道的输入为视差图,视差图可以起到特征补偿的作用;然后,考虑到视差信息在感知立体图像过程中的重要作用,通过改进挤压激励模块来实现视差图对融合图像的加权指导,这种加权策略加强了融合图像的重要信息的比重,减轻了非重要信息的比重;最后,在卷积神经网络的末端,将视差图的特征和加权校正过的融合图像的特征进行融合得到总体特征,将总体特征与主观得分进行回归分析,得到待测立体图像的质量分数。实验在公开数据集上进行测试,结果表明,所提出的无参考立体图像质量评价方法能够有效地应对对称和非对称失真类型的立体图像,并与主观评分保持很好的相关性。