[发明专利]一种密集光场质量评价方法

摘要

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。

主权项

1.一种密集光场质量评价方法,其特征在于：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；(2)、对中的第k个参考视图I_ori^(k)和中的第k个失真视图I_dis^(k)求平均差值，记为E^(k)，其中，1≤k≤N，W表示图像的宽，H表示图像的高，I_ori^(k)(i,j)表示第k个参考视图在坐标为(i,j)的像素点的像素值，I_dis^(k)(i,j)表示第k个失真视图在坐标为(i,j)的像素点的像素值，然后将N个平均差值组成数据集，记为并画出的失真曲线图，记为C；(3)、将失真曲线图C用函数进行拟合，得到失真曲线图C的斜率特征中值特征和峰值特征将和按序构成角度域特征，记为F_angular，(4)、将转换成灰度化的图像集，记为计算中每个视图的信息熵，记为将取平均，得到的平均信息熵特征，记为F_H，(5)、将转换成梯度幅度集合，记为计算中每个视图的梯度幅度均值，记为将取平均，得到的平均梯度幅度特征，记为F_G，(6)、将步骤(4)中得到的平均信息熵特征和步骤(5)中得到的平均梯度幅度特征按序构成的空间域特征，记为F_spatial，F_spatial＝[F_H,F_G]；(7)、将步骤(3)得到的角度域特征和步骤(6)得到的空间域特征按序构成的感知质量特征向量，记为F，F＝[F_angular,F_spatial]；(8)、将F作为输入量，结合支持向量回归技术，计算得到的客观质量评价值。