基于张量的无参考光场图像质量评价
图像与视频处理
2022-02-21 v2 计算机视觉与模式识别
多媒体
摘要
光场图像（LFI）质量评价变得越来越重要，它有助于更好地指导沉浸式媒体的获取、处理与应用。然而，由于 LFI 固有的高维特性，LFI 质量评价变成了一个需要考虑空间和角度维度上质量退化的多维问题。因此，我们基于张量理论提出了一种新颖的面向张量的无参考光场图像质量评价器（Tensor-NLFQ）。具体而言，由于 LFI 被视为一个低秩 4D 张量，通过 Tucker 分解获得四个定向子孔径视图栈的主成分。然后，设计主成分空间特征（PCSC）以考虑全局自然度和局部频率特性来度量 LFI 的空间维度质量。最后，提出张量角度变化指数（TAVI），通过分析第一主成分与视图栈中每个视图之间的结构相似性分布来度量角度一致性质量。在四个公开可用的 LFI 质量数据库上的大量实验结果表明，所提出的 Tensor-NLFQ 模型优于最先进的 2D、3D、多视图和 LFI 质量评价算法。
引用
@article{arxiv.1909.02358,
title = {Tensor Oriented No-Reference Light Field Image Quality Assessment},
author = {Wei Zhou and Likun Shi and Zhibo Chen and Jinglin Zhang},
journal= {arXiv preprint arXiv:1909.02358},
year = {2022}
}
备注
Published on IEEE TIP