[发明专利]一种密集光场质量评价方法

说明书

本发明涉及一种密集光场质量评价方法，该方法既提取角度域视图间的信息，又提取空间域的信息。首先，考虑到密集光场在角度域上的特征能较好评价重建算法产生的失真，绘制了角度域上的密集失真曲线，并用函数进行拟合，拟合参数反映视图间失真的变化情况，失真的程度和重建算法的插值周期；接着，为了避免只考虑角度域特征会使对个别失真类型和场景内容的评价性能不佳，因此结合空间域的信息，提取全局信息熵特征和局部梯度幅度特征，反映图像本身的细节纹理信息和失真情况；最后，用支持向量回归对所有特征进行池化。同时，本发明结合角度域和空间域的特征，对多种失真类型都能较好进行评价，且对不同场景类型也有较好的适应性。

技术领域

本发明涉及光场质量评价技术领域，尤其是涉及一种密集光场质量评价方法。

背景技术

传统光学成像只能获取二维平面上的光强度，丢失了其他维度的光学信息。光场成像，通过修改传统的光学设计，同时记录场景的光强度和光线的方向信息，从而获取包含丰富场景信息的高维数据集。早期光场采集需要昂贵且笨重的硬件设备，如多相机阵列和光场龙门架。近年来，商业和工业光场相机已经开创了该领域的新研究。然而全光相机只能采集窄带信息，对于一些需要光场不同视点之间的大视差的应用，使用多视点采集是更好的选择。

考虑到光场的庞大数据量，对其进行合理处理和压缩显得尤为重要。但是在光场成像的采集，处理，压缩，存储，传输和绘制等过程中，会产生各种各样的失真，任何一个过程都会影响最终的主观感知质量。为了比较不同中间过程算法的性能和失真的程度，需要对其进行评价。主观评价方法耗时耗力，不易操作，因此需要一种客观质量评价方法对光场成像的各种失真情况进行评价。

目前，针对光场空间域信息的评价，考虑现有2D指标，如典型的峰值信噪比(PSNR)，Wang等人提出的结构相似性指标(SSIM)以及改进的多尺度结构相似性指标(Muti-scale Structure Similarity Index Metric,MSSIM)，该类方法计算简单，结合了图像的结构、亮度和对比度信息进行评价。Xue等人提出的基于梯度幅度相似度的方法(GradientMagnitude Similarity Deviation,GMSD)，比较了参考图像和失真图像逐像素的梯度幅度图并使用标准偏差进行合并。Mantiuk等人提出的目前比较先进的HDR-VDP，该方法模拟人眼视觉模型并提取图像亮度和对比度特征进行评价。这些2D图像评价指标对光场空间域的失真评价较好，但是没有考虑光场的角度域信息。针对角度域信息的评价，考虑采用立体评价指标如基于左右视图双眼竞争模型的SIQM和基于小波子带统计特征的3DSwIM。立体评价指标虽然考虑了视图间的关系，但是密集光场是多视图的数据形式，与立体左右视图形式仍有较大区别，用立体评价指标来评价密集光场并不恰当。针对立体视频的可视化方法，还可以考虑视频的评价方法，如NTIA通用视频质量模型VQM和立体视频质量评价方法STSDLC。该类方法可以较好评价视图间的信息，但对于空间域的失真情况，没有2D指标的评价性能好。

上述提到的一些现有的针对2D图像的质量评价方法虽然能对光场的部分信息进行评价，但是其评价方法并不全面，因此需要结合角度域和空间域信息共同进行特征的提取，从而对不同光场失真内容都有良好的评价效果。

发明内容

本发明所要解决的技术问题是提供一种密集光场质量评价方法,该方法结合角度域和空间域信息共同进行特征提取，能够有效地提高客观评价和主观评价的一致性,对不同的光场失真内容具备良好的评价效果。

本发明所采用的技术方案是，一种密集光场质量评价方法,包括以下步骤：

(1)、令表示参考密集光场所有视图组成的图像数据集，表示失真密集光场所有视图组成的图像数据集，其中，N表示一个光场中视图的数量；