如题，本资源包含了完整的训练代码和训练数据。更多详情可参考博客一：https://qianlingjun.blog.csdn.net/article/details/125051953 博客二：https://qianlingjun.blog.csdn.net/article/details/125064999 数据集部分是LIDC-IDRI的CT结节的数据集，其中供参考的是分叶征的完整数据集（如果需要良恶性、毛刺征等等，可以私信我补充）。代码部分还包括了数据生成的代码，这部分可以帮助你后续产生自己的训练数据集。

行业分类-设备装置-三维组织器官培养模型及其高通量自动化立体图像分析平台及其应用

基于显著性分析的立体图像视觉舒适度预测

通过四元数小波变换分解立体图像的左右视图,获取不同尺度不同方向的幅值相位信息,并结合人眼视觉特性生成单目图;对左右视图和单目图作亮度去均值对比度归一化(MSCN)处理,获取MSCN系数图,采用广义高斯分布模型拟合MSCN系数和MSCN四方向邻域系数乘积,提取统计参数特征(联合峰度、偏度、标准偏差和能量),组成特征向量,通过XGBoost模型预测图像质量感知得分。结果表明,所提立体图像质量评价算法在LIVE3D图像库上优于其他方法,并且运行速度得到大幅度提高。

Stefano Mattoccia 的讲义 Stereo Vision: algorithms and applications，自己花了很大力气下下来的，对立体视觉的讲解和各种方法的比较

请引用这些论文： [1] S. Mukherjee和R. Guddeti，“使用加速框架在立体图像中基于深度的选择性模糊”，Springer-Verlag杂志“ 3D研究”，第1卷。 5，没有。 2014 年 3 月。 [2] S. Mukherjee 和 R. Guddeti，“基于立体视觉的稀疏视差估计的视差计算混合算法”，IEEE 第 10 届信号处理和通信国际会议 (SPCOM)，2014 年 7 月。 我的算法采用了一种快速的混合方法（基于块和区域的混合）从校正后的立体图像对进行立体视差估计。 对于来自 Middlebury 立体视觉数据集的三个标准基准图像（Tsukuba、Sawtooth 和 Venus），其错误率分别低至 7.8%、5.3% 和 4.7%，尺寸分别为 384x288、434x380 和 434x383 像素。 该算法在具有 Intel i7-2600 CPU

一种用于立体图像匹配的改进稀疏匹配算法.doc

基于BEMD的无参考模糊失真立体图像质量评价方法

在此文件中，使用了 mri.mat 数据。 如果要显示其他数据，可以将数据保存到矩阵 D1，或修改 .m 文件。 单击任何三个 MRI 图像，然后按“ENTER”以在新的 [x,y,z] 位置更改切片。 按“ESC”并按“ENTER”退出。

随机点立体图像历史发展、生成方法、软件介绍