三维(3D)成像技术,包括3D场景捕捉、3D压缩、3D传输、渲染和显示等图像处理,在过去的数年中引起了广泛关注,其中立体图像的客观质量评价在三维技术中起着重要的作用。然而,目前大多数无参考立体图像质量评价(S IQA)算法准确性并不高,一方面,这些方法不具备深层架构;另一个方面,与现有研究对于人类视觉系统(HVS)的发现相比,这些方法是在相对较弱的生物基础上设计的。本文提出一种深度边缘与色彩信息完整性算子(Deep Edge and COlor Sig nal INtegrity Evaluator,DECOSINE),该方法是基于从双目到额叶整个视觉感知路径设计的,并且突出强调了边缘信息与色彩信息在视网膜神经节细胞(RG C)和外侧膝状核(LGN)的处理过程。具体来说,DECOSINE计算出了两个局部质量评价分数:边缘质量分数和彩色质量分数。研究发现,RGC提取边缘信息并在V1中进行双目融合,受此启发,本文利用高斯拉普拉斯算子(LoG)对左右图像进行滤波,并在此基础上计算和差图与cyclopean图。然后,利用opp onent coding理论模拟彩色信息在LGNs中的处理过程,生成红-绿(RG)、蓝-黄(BY)和光暗(Lum)图,并从这些图像中,提取出质量感知特征。此外,本文首次提出利用分段堆叠的自动编码器(S-SAE)模拟复杂的具有深层结构的视觉皮层。通过S-SAEs/SAE与支持向量回归(SVRs)的组合,将质量感知特征映射到局部质量分数。这些局部分数通过两个动态和一个静态加权系统组合成一个整体质量分数。S-SAE弥补了基于深度学习的SIQA算法在训练时间问题上的缺陷。本文实验是在目前国际公认的SIQA数据库中进行的,例如LIVE-I数据库、LIVE-II数据库与IVC数据库,该实验证明了DECOSINE在预测准确度上的优势。实验结果表明,该模型在SIQA方面具有良好的效果。