为加强研究生学术交流活动，推进学术创新，特开通“研究生学术报告预告区”。我校研究生和教师可以在预告区及时发布和了解有关研究生学术报告的信息，届时参加。也可就某学术报告展开专题讨论与交流。
考虑到视差图在立体成像中的重要性，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，用于提取特征. 其次，基于人类视觉系统的双目融合和双目竞争的特性，将左右视图进行R、G、B三通道融合得到彩色融合图像，并将此融合图像作为卷积神经网络的一个通道的输入；另一通道的输入为视差图，视差图起到了特征补偿的作用. 然后，通过改进挤压和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，将总体特征与主观评价方法得分进行回归分析，得到待测立体图像的质量分数.在两个公开的LIVE立体数据库上进行实验验证. 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，并与主观评测方法保持高度一致.