技術(shù)特征：

1.一種從稀疏到密集視點(diǎn)的全參考光場(chǎng)圖像質(zhì)量評(píng)價(jià)方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的從稀疏到密集視點(diǎn)的全參考光場(chǎng)圖像質(zhì)量評(píng)價(jià)方法，其特征在于，對(duì)所述子孔徑圖像并進(jìn)行處理包括：

3.根據(jù)權(quán)利要求1所述的從稀疏到密集視點(diǎn)的全參考光場(chǎng)圖像質(zhì)量評(píng)價(jià)方法，其特征在于，獲取完整原始圖像堆棧特征和完整失真圖像堆棧特征包括：

4.根據(jù)權(quán)利要求1所述的從稀疏到密集視點(diǎn)的全參考光場(chǎng)圖像質(zhì)量評(píng)價(jià)方法，其特征在于，獲取所述完整原始圖像堆棧特征和所述完整失真圖像堆棧特征之間的對(duì)比特征包括：對(duì)所述完整原始圖像堆棧特征和所述完整失真圖像堆棧特征輸入特征對(duì)比網(wǎng)絡(luò)進(jìn)行對(duì)比特征放大，獲取所述對(duì)比特征；

5.根據(jù)權(quán)利要求1所述的從稀疏到密集視點(diǎn)的全參考光場(chǎng)圖像質(zhì)量評(píng)價(jià)方法，其特征在于，將所述完整原始圖像堆棧特征、所述完整失真圖像堆棧特征和所述對(duì)比特征進(jìn)行圖像注意信息提取之前包括：利用降維卷積對(duì)所述完整原始圖像堆棧特征、所述完整失真圖像堆棧特征和所述對(duì)比特征進(jìn)行特征降維。

6.根據(jù)權(quán)利要求5所述的從稀疏到密集視點(diǎn)的全參考光場(chǎng)圖像質(zhì)量評(píng)價(jià)方法，其特征在于，提取所述圖像注意信息包括：

7.根據(jù)權(quán)利要求6所述的從稀疏到密集視點(diǎn)的全參考光場(chǎng)圖像質(zhì)量評(píng)價(jià)方法，其特征在于，所述坐標(biāo)感知?dú)埐罹W(wǎng)絡(luò)提取所述圖像注意信息包括：

8.根據(jù)權(quán)利要求1所述的從稀疏到密集視點(diǎn)的全參考光場(chǎng)圖像質(zhì)量評(píng)價(jià)方法，其特征在于，將所述圖像注意信息的維度進(jìn)行重新排列包括：利用rearrange函數(shù)對(duì)所述圖像注意信息的維度進(jìn)行重新排列。

9.根據(jù)權(quán)利要求1所述的從稀疏到密集視點(diǎn)的全參考光場(chǎng)圖像質(zhì)量評(píng)價(jià)方法，其特征在于，基于所述光場(chǎng)圖像特征，獲取最終特征向量信息包括：

10.根據(jù)權(quán)利要求1所述的從稀疏到密集視點(diǎn)的全參考光場(chǎng)圖像質(zhì)量評(píng)價(jià)方法，其特征在于，獲取最終質(zhì)量分?jǐn)?shù)包括：

技術(shù)總結(jié)
本發(fā)明涉及一種從稀疏到密集視點(diǎn)的全參考光場(chǎng)圖像質(zhì)量評(píng)價(jià)方法，包括：獲取若干不同大小的子孔徑圖像陣列，從子孔徑圖像陣列中分別選取若干張子孔徑圖像并進(jìn)行處理，獲取原始和失真視點(diǎn)圖像堆棧Y通道信息；將原始和失真視點(diǎn)圖像堆棧Y通道信息進(jìn)行特征提取，獲取完整原始圖像堆棧特征和完整失真圖像堆棧特征，并獲取對(duì)比特征；對(duì)完整原始圖像堆棧特征、完整失真圖像堆棧特征和對(duì)比特征進(jìn)行圖像注意信息提?。粚D像注意信息的維度進(jìn)行重新排列后，提取光場(chǎng)圖像特征；基于光場(chǎng)圖像特征，獲取最終特征向量信息，并基于最終特征向量信息獲取最終質(zhì)量分?jǐn)?shù)。本發(fā)明提升了全參考光場(chǎng)圖像質(zhì)量評(píng)價(jià)質(zhì)量。

技術(shù)研發(fā)人員：張友志,劉德陽(yáng),蔣俊明
受保護(hù)的技術(shù)使用者：安慶師范大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/10