基于丰富特征的光场图像质量评价方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115937154A(43)申请公布日2023.04.07(21)申请号202211597866.6G06V10/56(2022.01)(22)申请日2022.12.12G06V10/44(2022.01)(71)申请人杭州电子科技大学地址310018浙江省杭州市下沙高教园区2号大街(72)发明人张桦胡馨文王慕薇沈卓南罗逸章吴以凡(74)专利代理机构杭州君度专利代理事务所(特殊普通合伙)33240专利代理师朱月芬(51)Int.Cl.G06T7/00(2017.01)G06V10/764(2022.01)G06V10/80(2022.01)G06V10/54(2022.01)权利要求书2页说明书4页附图1页(54)发明名称基于丰富特征的光场图像质量评价方法(57)摘要本发明公开了一种基于丰富特征的光场图像质量评价方法。本发明步骤如下：1：将数据集随机拆分成训练集和2测试集。对其中的光场图像通过固定表示角度信息的两个维度，转化成9×9的子孔径图像阵列。2：将每一张子孔径图像从RGB空间转换到HSV坐标上，提取亮度、色调和饱和度作为颜色信息特征。3：提取视差结构特征。4：获取图像角度纹理特征。5：将所有特征进行标准化，后拼接融合，利用基于遗传算法的支持向量模型(GA‑SVR)得到光场图像预测分数。本发明使用高维奇异值分解，减少了多张子孔径图像之间的信息冗余，提高了计算效率；同时将颜色信息特征、视差结构特征、角度纹理特征结合，更好地模拟人类视觉系统，对光场图像做出更加科学的评价。CN115937154ACN115937154A权利要求书1/2页1.基于丰富特征的光场图像质量评价方法，其特征在于包括如下步骤：步骤1：将Win5‑LID数据集随机拆分成80％的训练集和20％的测试集；对其中的光场图像，通过固定表示角度信息的两个维度，将光场图像转化成9×9的子孔径图像阵列；步骤2：将每一张子孔径图像从RGB空间转换到HSV坐标上，提取亮度、色调和饱和度作为颜色信息特征；步骤3：将9×9子孔径图像阵列以行为组分成9组，按组进行张量分解，得到每组伪视频的第一个最主要的切片；将伪视频序列分成两部分，进行剪切波变换，提取出视差结构特征；步骤4：通过固定光场图像坐标得到极平面图像，利用Sobel算子处理水平极平面图像和垂直极平面图像，然后分别对其水平梯度和垂直梯度进行计算，得到图像角度纹理特征；步骤5：将颜色信息特征、视差结构特征、图像角度纹理特征进行标准化，后拼接融合，利用基于遗传算法的支持向量模型得到光场图像预测分数。2.根据权利要求1所述的基于丰富特征的光场图像质量评价方法，其特征在于步骤1将Win5‑LID数据集随机拆分成80％的训练集和20％的测试集；设表示一个场景的一张光场图像的维度为(u,v,s,t)，其中(u,v)为角坐标，通过固定(u,v)可分成9×9的子孔径图像阵列。3.根据权利要求1所述的基于丰富特征的光场图像质量评价方法，其特征在于步骤2具体实现如下：将每一张子孔径图像的亮度、色度和饱和度矩阵表示为Tx，其中x表示为亮度、色度和饱和度；最终光场图像的色度、亮度和饱和度矩阵可以由以下公式计算得到：其中M、N表示一张光场图像上每个水平和垂直方向上子孔径图像的数量，其中M＝N＝9，最终得到所需的颜色信息特征[R1,R2,R3]。4.根据权利要求2或3所述的基于丰富特征的光场图像质量评价方法，其特征在于步骤3提取视差结构特征具体实现如下：3.1对光场图像分出来的9×9子孔径图像进行伪视频分组，每一行记为一组，记为p1，p2，p3...，pM，其中M＝9，伪视频组的维度为(M，S，T)；对每一个伪视频组进行高阶奇异值分解，分解的公式如下：(1)(2)(3)pi＝X×1F×2F×3F其中X是核心张量N是第三个维度的长度，F(i)是三个因子矩阵；(i)×i为张量i的模积，F是正交矩阵；这里K1＝S，K2＝T，K3＝N；分出来的第三个维度的分解分量可以计算得到如下：(3)‑1ξ＝pi×3(F)(3)‑1(3)其中，(F)为F的逆矩阵，C1表示ξ的第1个切片，里面包含了切片ξ的80％的能量，并且能量是随切片序号增大而逐渐减少的；3.2对每一组伪视频序列提取出来的第一切片记为Cm1，其中m＝1，2...，M，做剪切波变2CN115937154A权利要求书2/2页换，剪切波计算公式如下：其中，Da是剪切矩阵，Aa是各向异性膨胀矩阵，a表示尺度，s表示方向，t表示位置参数；每一个尺度包含6个不同方向的剪切系数，拼接成视差结构特征S。5.根据权利要求4所述的基于丰富特征的光场图像质量评价方法，其特征在于步骤4得到图像角度纹理特征具体实现如下：通过固定光场图像的u，s坐标得到垂直极平面图像