利用CNN评价立体图像质量

利用CNN评价立体图像质量，含立体图像数据，代码基于keras。

# -*- coding: utf-8 -*-
‘‘‘
本程序用于live2 视频数据库的 train-test 实验，每次实验80%训练，20%测试
inputdata:360个图片，每个图片分成220个32*32的图像块
traindata=360*0.8=292
testdata=360*0.2=73
‘‘‘
from __future__ import print_function
import scipy.io as sc
import numpy as np
import matplotlib.pyplot as plt
import os
import h5py
#import sys
#reload（sys）
#sys.setdefaultencoding（‘utf-8‘）
np.random.seed（1337）  # for reproducibility


#from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense Dropout Activation Flatten
from keras.layers import Convolution2D MaxPooling2D
from keras.utils import np_utils
from keras import backend as K
from keras.layers import Merge
CurrentPath=os.getcwd（）
path1=CurrentPath+‘/dataset/LIVE1/diff‘
path2=CurrentPath+‘/dataset/LIVE1/left‘
path3=CurrentPath+‘/dataset/LIVE1/right‘

files= os.listdir（path1）#读取文件夹文件列表
files.sort（） 
#print（files）

files_l= os.listdir（path2）#读取文件夹文件列表
files_l.sort（） 

files_r= os.listdir（path3）#读取文件夹文件列表
files_r.sort（） 
#print（files）

X_train_diff=np.empty（（292*22032321）dtype=‘float32‘）
y_train=np.empty（（292*2201）dtype=‘float32‘）

X_test_diff=np.empty（（73*22032321）dtype=‘float32‘）
y_test=np.empty（（73*2201）dtype=‘float32‘） #astype（‘float32‘）

X_train_left=np.empty（（292*22032321）dtype=‘float32‘）
X_test_left=np.empty（（73*22032321）dtype=‘float32‘）


X_train_right=np.empty（（292*22032321）dtype=‘float32‘）
X_test_right=np.empty（（73*22032321）dtype=‘float32‘）


MosFile=‘DMOS_LIVE1.mat‘
MosDic=sc.loadmat（MosFile）
MosData=MosDic[‘LIVE1‘]
MosData.astype（‘float32‘）
MosData=（（MosData-min（MosData））/（max（MosData）-min（MosData）））*2-1
ExpNum=100#实验（train-test）的次数
for NumExp in xrange（ExpNum）:
    x=range（365）#qifeng库共450个视频
    np.random.shuffle（x）#打乱视频顺序
    for i in xrange（292）:#取80%作为训练数据
        dataFile=path1+‘/‘+files[x[i]]
        tempLoad=sc.loadmat（dataFile）
        temp=tempLoad[‘diff‘]
        SingleData=np.rollaxis（temp20）
        X_train_diff[i*220:（i+1）*220::0]=SingleData#
        y_train[i*220:（i+1）*220:]=MosData[x[i]]#*np.ones（51001）
        print（files[x[i]]）
        dataFile=path2+‘/‘+files_l[x[i]]
        tempLoad=sc.loadmat（dataFile）
        temp=tempLoad[‘left‘]
        SingleData=np.rollaxis（temp20）
        X_train_left[i*220:（i+1）*220::0]=SingleData#
	print（files_l[x[i]]）
            
        dataFile=path3+‘/‘+files_r[x[i]]
        tempLoad=sc.loadmat（dataFile）
        temp=tempLoad[‘right‘]
        SingleData=np.rollaxis（temp20）
        X_train_right[i*220:（i+1）*220::0]=SingleData#
	print（files_r[x[i]]）
        print（‘i:‘i）
        
    for i in xrange（73）:
        dataFile=path1+‘/‘+files[x[i+292]]
        tempLoad=sc.loadmat（dataFile）
        temp=tempLoad[‘diff‘]
        SingleData=np.rollaxis（temp20）
        X_test_diff[i*220:（i+1）*220::0]=SingleData
        y_test[i*220:（i+1）*220:]=MosData[x[i+292]]
                    
        dataFile=path2+‘/‘+files_l[x[i+292]]
        tempLoad=sc.loadmat（dataFile）
        temp=tempLoad[‘left

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        2107  2017-08-17 00:34  DMOS_LIVE1.mat
     文件       11256  2017-08-16 18:45  LIVE1_train_test.py