CN110310269B - 基于极平面多尺度Gabor特征相似度的光场图像质量评价方法 - Google Patents

Abstract

本发明涉及一种基于极平面多尺度Gabor特征相似度的光场图像质量评价方法，方法包括：对参考光场图像和失真光场图像分别提取极平面图；分别计算参考极平面图和失真极平面图三个尺度和四个方向下的Gabor特征图；分别融合参考极平面图和失真极平面图同一尺度不同方向的Gabor特征图得到极平面多尺度Gabor特征图，进而计算得到极平面多尺度Gabor特征相似度图；基于极平面多尺度Gabor特征相似度图得到最终失真光场图像质量评价值。本发明利用极平面多尺度Gabor特征描述极平面图像的细节信息，进而反映出光场图像中场景结构的变化，具有较好的光场图像质量评价性能。

Description

基于极平面多尺度Gabor特征相似度的光场图像质量评价 方法

技术领域

本发明属于图像处理领域，涉及图像质量评价方法，尤其是涉及一种基于极平面多尺度Gabor特征相似度的光场图像质量评价方法。

背景技术

随着视觉媒体技术的快速发展，光场成像引起了学术界和工业界的密切关注，并广泛地应用于计算机图形学领域，如三维重建、多视图分割、合成孔径成像等。与传统成像不同，光场成像收集来自空间中通过任意点任意方向上的光流。由此所得到的光场图像往往更能够反映出真实场景中位置和方向信息。

光场图像在生成、处理、压缩、存储、传输和渲染的过程中不可避免地会引入各种失真从而影响光场图像的感知质量和相关的系统性能。尽管目前已有大量的工作在图像质量评价领域开展，但现有的大多数质量评价算法都是针对于自然图像而设计，它们往往不适用于光场图像质量评价。由于不同的图像类型具有不同的图像特征，光场图像携带更多的场景信息，因此设计符合人类视觉系统对光场图像主观感知度的质量评价方法成为图像质量评价领域的迫切需求。

发明内容

本发明的目的在于突破现有技术的局限性，提出了基于极平面多尺度Gabor特征相似度的光场图像质量评价方法，解决现有技术的评估方法未能考虑光场图像的结构特性。

本发明解其技术问题所采用的技术方案是：

一种基于极平面多尺度Gabor特征相似度的光场图像质量评价方法，步骤如下：

接收参考光场图像L_r＝{L_r,1,L_r,2,...,L_r,K}和失真光场图像L_d＝{L_d,1,L_d,2,...,L_d,K}，其中，K为视点数目；

提取参考光场图像L_r的参考极平面图E_r，并提取失真光场图像L_d的失真极平面图E_d；

计算参考极平面图E_r三个尺度和四个方向下的参考Gabor特征图R_s,o，并计算失真极平面图E_d三个尺度和四个方向下的失真Gabor特征图D_s,o；

计算参考Gabor特征图R_s,o在同一尺度不同方向下的Gabor特征图R_s(x,y)，并计算失真Gabor特征图D_s,o在同一尺度不同方向下的Gabor特征图D_s(x,y)，将所述R_s(x,y)和D_s(x,y)进行融合得到极平面多尺度Gabor特征相似度图GSim_s；

基于极平面多尺度Gabor特征相似度图GSim_s得到最终失真光场图像质量评价值。

优选的，提取参考光场图像L_r的参考极平面图E_r，并提取失真光场图像L_d的失真极平面图E_d，具体包括：将每个视点下光场图像中固定行的信息汇集形成极平面图，用公式表示为：

E_r＝E_r(n,i)＝L_r(n,i)

E_d＝E_d(n,i)＝L_d(n,i)

其中，L_r(n,i)为第i个视点下参考光场图像的第n行，L_d(n,i)为第i个视点下失真光场图像的第n行，E_r(n,i)表示第n张参考极平面图的第i行，E_d(n,i)表示第n张失真极平面图的第i行；对于分辨率为M×N、视点数为K的光场图像，可以得到N张分辨率为M×K的极平面图。

优选的，计算参考极平面图E_r三个尺度和四个方向下的参考Gabor特征图R_s,o，并计算失真极平面图E_d三个尺度和四个方向下的失真Gabor特征图D_s,o，具体如下：

其中，s和o分别表示特征提取的尺度和方向，s＝1,2,3，o＝1,2,3,4；G_s,o为Gabor滤波器，表示如下：

其中，f_o和y_o分别表示滤波器的中心频率和方向，σ_x和σ_y分别表示带宽和角度，

σ_x＝1.1，

优选的，计算参考极平面图E_r三个尺度和四个方向下的参考Gabor特征图R_s,o，并计算失真极平面图E_d三个尺度和四个方向下的失真Gabor特征图D_s,o，具体如下：

优选的，将所述R_s(x,y)和D_s(x,y)进行融合得到极平面多尺度Gabor特征相似度图GSim_s，具体如下：

其中，C_s为稳定系数，C_s＝1。

优选的，基于极平面多尺度Gabor特征相似度图GSim_s得到最终失真光场图像质量评价值，具体包括：

步骤6.1，计算单一尺度下的失真光场图像质量评价值，如下：

其中，M×K表示极平面图的大小，N为极平面图的总数，Ω表示输入图像的全部像素点，μ为GSim_s的均值；

步骤6.2，计算最终失真光场图像L_d的质量评价值，如下：

其中，β_s用于调节每个尺度的影响程度，β₁＝0.05，β₂＝0.15，β₃＝0.25，β₄＝0.55。

本发明的有益效果如下：

本发明提供了一种基于极平面多尺度Gabor特征相似度的光场图像质量评价方法，通过Gabor滤波器来模拟人脑处理多分辨率信息的特殊功能，利用多尺度机制更好地描述光场图像中场景结构变化的细节内容，反应人眼视主观视觉系统对于光场图像的主观感知度，具有较好的光场图像质量评价性能。

附图说明

图1是本发明的流程示意图。

具体实施方式

以下结合附图及实施例对本发明进行进一步的详细说明。

本发明为了解决现有技术的评估方法未能考虑光场图像的结构特性，提供一种基于极平面多尺度Gabor特征相似度的光场图像质量评价方法，如图1所示，具体步骤如下：

步骤1，接收参考光场图像L_r＝{L_r,1,L_r,2,...,L_r,K}和失真光场图像L_d＝{L_d,1,L_d,2,...,L_d,K}，其中K为视点数目。

步骤2，分别提取参考光场图像L_r和失真光场图像L_d的参考极平面图E_r和失真极平面图E_d。从光场图像L＝{L₁,L₂,...,L_K}(K为视点数目)提取极平面图的方法如下：

将每个视点下光场图像中固定行的信息汇集形成极平面图，用公式表示为：

E_r＝E_r(n,i)＝L_r(n,i)

E_d＝E_d(n,i)＝L_d(n,i)

其中，L_r(n,i)为第i个视点下参考光场图像的第n行，L_d(n,i)为第i个视点下失真光场图像的第n行，E_r(n,i)表示第n张参考极平面图的第i行，E_d(n,i)表示第n张失真极平面图的第i行；对于分辨率为M×N、视点数为K的光场图像，可以得到N张分辨率为M×K的极平面图。

步骤3，分别计算参考极平面图E_r和失真极平面图E_d三个尺度和四个方向下的参考Gabor特征图R_s,o和失真Gabor特征图D_s,o，用公式表示为：

其中，s和o分别表示分解的尺度和方向，s＝1,2,3，o＝1,2,3,4。G_s,o为Gabor滤波器，如下：

其中，f_o和y_o分别表示滤波器的中心频率和方向，σ_x和σ_y分别表示带宽和角度，

σ_x＝1.1，

步骤4，分别融合同一尺度不同方向下的参考Gabor特征图R_s,o和失真Gabor特征图D_s,o得到极平面多尺度Gabor特征相似度图GSim_s。

具体地，对于参考Gabor特征图R_s,o和失真Gabor特征图D_s,o，同一尺度不同方向下的Gabor特征图的计算方式如下：

极平面多尺度Gabor特征相似度图的计算方法如下：

其中C_s为稳定系数，C_s＝1。

步骤5，基于极平面多尺度Gabor特征相似度图GSim_s得到最终失真光场图像质量评价值。

具体地，计算单一尺度下的失真光场图像质量评价值如下：

其中，M×K表示极平面图的大小，N为极平面图的总数，Ω表示输入图像的全部像素点，μ为GSim_s的均值。

最终失真光场图像L_d的质量评价值的计算方法如下：

其中，β_s用于调节每个尺度的影响程度，β₁＝0.05，β₂＝0.15，β₃＝0.25，β₄＝0.55。

上述实施例仅是用来说明本发明，而并非用作对本发明的限定。只要是依据本发明的技术实质，对上述实施例进行变化、变型等都将落在本发明的权利要求的范围内。

Claims (1)

1.一种基于极平面多尺度Gabor特征相似度的光场图像质量评价方法，其特征在于，步骤如下：

接收参考光场图像L_r＝{L_r,1,L_r,2,...,L_r,K}和失真光场图像L_d＝{L_d,1,L_d,2,...,L_d,K}，其中，K为视点数目；

提取参考光场图像L_r的参考极平面图E_r，并提取失真光场图像L_d的失真极平面图E_d；

计算参考极平面图E_r三个尺度和四个方向下的参考Gabor特征图R_s,o，并计算失真极平面图E_d三个尺度和四个方向下的失真Gabor特征图D_s,o；

计算参考Gabor特征图R_s,o在同一尺度不同方向下的Gabor特征图R_s(x,y)，并计算失真Gabor特征图D_s,o在同一尺度不同方向下的Gabor特征图D_s(x,y)，将所述R_s(x,y)和D_s(x,y)进行融合得到极平面多尺度Gabor特征相似度图GSim_s；

基于极平面多尺度Gabor特征相似度图GSim_s得到最终失真光场图像质量评价值；

提取参考光场图像L_r的参考极平面图E_r，并提取失真光场图像L_d的失真极平面图E_d，具体包括：将每个视点下光场图像中固定行的信息汇集形成极平面图，用公式表示为：

E_r＝E_r(n,i)＝L_r(n,i)

E_d＝E_d(n,i)＝L_d(n,i)

其中，L_r(n,i)为第i个视点下参考光场图像的第n行，L_d(n,i)为第i个视点下失真光场图像的第n行，E_r(n,i)表示第n张参考极平面图的第i行，E_d(n,i)表示第n张失真极平面图的第i行；对于分辨率为M×N、视点数为K的光场图像，可以得到N张分辨率为M×K的极平面图；

计算参考极平面图E_r三个尺度和四个方向下的参考Gabor特征图R_s,o，并计算失真极平面图E_d三个尺度和四个方向下的失真Gabor特征图D_s,o，具体如下：

其中，s和o分别表示特征提取的尺度和方向，s＝1,2,3，o＝1,2,3,4；G_s,o为Gabor滤波器，表示如下：

其中，f_o和y_o分别表示滤波器的中心频率和方向，σ_x和σ_y分别表示带宽和角度，

σ_x＝1.1，

计算参考Gabor特征图R_s,o在同一尺度不同方向下的Gabor特征图R_s(x,y)，并计算失真Gabor特征图D_s,o在同一尺度不同方向下的Gabor特征图D_s(x,y)，具体如下：

将所述R_s(x,y)和D_s(x,y)进行融合得到极平面多尺度Gabor特征相似度图GSim_s，具体如下：

其中，C_s为稳定系数，C_s＝1；

基于极平面多尺度Gabor特征相似度图GSim_s得到最终失真光场图像质量评价值，具体包括：

步骤6.1，计算单一尺度下的失真光场图像质量评价值，如下：

其中，M×K表示极平面图的大小，N为极平面图的总数，Ω表示输入图像的全部像素点，μ为GSim_s的均值；

步骤6.2，计算最终失真光场图像L_d的质量评价值，如下：

其中，β_s用于调节每个尺度的影响程度，β₁＝0.05，β₂＝0.15，β₃＝0.25，β₄＝0.55。

Images