[发明专利]一种基于3D-DOG特征的光场图像质量识别方法

权利要求书

1.一种基于3D-DOG特征的光场图像质量识别方法，其特征在于，步骤如下：

将输入参考光场图像L_r和失真光场图像L_d转化为参考光场序列V_r和失真光场序列V_d；

采用3D-DOG滤波器，分别提取参考光场序列V_r和失真光场序列V_d的参考3D-DOG特征D_r(x,y,z)和失真3D-DOG特征D_d(x,y,z)；

基于3D-DOG特征D_r(x,y,z)和失真3D-DOG特征D_d(x,y,z)计算得到参考光场序列V_r和失真光场序列V_d的相似度Sim(x,y,z)；

基于相似度Sim(x,y,z)使用3D-DOG特征池化策略计算得到光场图像质量分数Score。

2.根据权利要求1所述的基于3D-DOG特征的光场图像质量识别方法，其特征在于：将输入参考光场图像L_r和失真光场图像L_d转化为参考光场序列V_r和失真光场序列V_d，具体如下：

输入参考光场图像L_r＝{L_r,1,L_r,2,...,L_r,n}和失真光场图像L_d＝{L_d,1,L_d,2,...,L_d,n}，其中，n表示一组子孔径图像的数量，逐一选取下标为单数的子孔径图像按照下标从小到大顺序组成光场序列，分别得到参考光场序列V_r和失真光场序列V_d。

3.根据权利要求1所述的基于3D-DOG特征的光场图像质量识别方法，其特征在于：采用3D-DOG滤波器，分别提取参考光场序列V_r和失真光场序列V_d的参考3D-DOG特征D_r(x,y,z)和失真3D-DOG特征D_d(x,y,z)，具体如下：

分别提取参考光场序列V_r和失真光场序列V_d的3D-DOG特征作为参考3D-DOG特征D_r(x,y,z)和失真3D-DOG特征D_d(x,y,z)，如下：

其中，DOG(x,y,z)为3D-DOG滤波器。

4.根据权利要求3所述的基于3D-DOG特征的光场图像质量识别方法，其特征在于：DOG(x,y,z)具体为：

公式如下：

DOG(x,y,z)＝G(x,y,z,σ₁)-G(x,y,z,σ₂)

其中，(x,y,z)表示光场序列中每个像素的3D坐标，G(x,y,z,σ)为3D高斯滤波器，σ₁，σ₂为标准差；

3D高斯滤波器的公式如下：

5.根据权利要求1所述的基于3D-DOG特征的光场图像质量识别方法，其特征在于：基于3D-DOG特征D_r(x,y,z)和失真3D-DOG特征D_d(x,y,z)计算得到参考光场序列V_r和失真光场序列V_d的相似度Sim(x,y,z)，具体如下：

基于参考3D-DOG特征D_r(x,y,z)和失真3D-DOG特征D_d(x,y,z)得到光场相似度Sim(x,y,z)：

其中，c是用于保证数值稳定性的常数。

6.根据权利要求1所述的基于3D-DOG特征的光场图像质量识别方法，其特征在于：基于相似度Sim(x,y,z)使用3D-DOG特征池化策略进行计算得到光场图像质量分数Score，具体如下：

ω(x,y,z)＝max{D_r(x,y,z),D_d(x,y,z)}