【技术实现步骤摘要】
本申请涉及图像处理，特别涉及一种基于投影和多尺度特征的点云质量评价方法及相关装置。
技术介绍
1、与经典的2d图像或视频相比，3d视觉表示可以提供身临其境的体验，是未来虚拟内容和现实世界产生互动的一个重要方向。基于3d视觉表示的优越性，促使沉浸式3d媒体在许多领域的应用，如虚拟电话会议、沉浸式体育和教育等。其中，由于点云媒体的采集设备(例如，距离传感器和多摄像机阵列等)、编码方式以及渲染技术的不断发展，点云成为一种重要的3d视觉表示格式。
2、点云可以完备的表示3d模型,但同时也会产生大量信息，这就使得对点云进行压缩是不可避免，以降低存储和传输的数据要求。然而，在对点云进行压缩时，会对点云噪声损失，而有损方案会导致视觉降级，从而影响模型的感知质量，进而影响用户体验。因此，对点云质量进行评估以确定在视觉质量和数据大小之间取得良好平衡的编码方式是至关重要的。但是，现有点云质量评价方法在对于压缩失真的点云进行评价时，会出现与主观评价结果相关度低的情况，从而无法很好的反应视觉感知，进而会影响编码方式的选取。
3、因而现有技术还有待改进和提高。
技术实现思路
1、本申请要解决的技术问题在于，针对现有技术的不足，提供一种基于投影和多尺度特征的点云质量评价方法及相关装置。
2、为了解决上述技术问题，本申请实施例第一方面提供了一种基于投影和多尺度特征的点云质量评价方法，所述的方法包括：
3、基于参考点云和失真点云确定预设数量的图像组，其中，所述图像组
4、以图像块为单位计算各图像组的纹理梯度权重集及几何梯度权重集；
5、基于各图像组及各图像组的纹理梯度权重集计算纹理质量分数，并基于各图像组及各图像组的几何梯度权重集计算几何质量分数；
6、基于所述纹理质量分数和所述几何质量分数，计算所述失真点云对应的质量分数。
7、所述基于投影和多尺度特征的点云质量评价方法，其中，所述基于参考点云和失真点云确定预设数量的图像组具体包括：
8、投影生成参考点云对应的纹理参考图和几何参考图，以及失真点云对应的纹理失真图和几何失真图，以得到第一图像组；
9、对所述第一图像组中的各图像进行下采样操作以得到第二图像组；
10、对所述第二图像组中的各图像进行下采样操作以得到第三图像组；
11、依次类推直至得到第预设数量的图像组，以得到预设数量的图像组。
12、所述基于投影和多尺度特征的点云质量评价方法，其中，所述下采样操作为通过高斯金字塔进行的下采样操作。
13、所述基于投影和多尺度特征的点云质量评价方法，其中，所述以图像块为单位计算各图像组的纹理梯度权重集具体包括：
14、对于每组图像组，将该图像组中的纹理参考图转换为灰度纹理参考图；
15、按照预设划分方式将所述灰度纹理参考图划分为若干纹理参考图像块，并计算划分到的各纹理参考图像块中的像素点的像素梯度值；
16、基于各纹理参考图像块中的像素点的像素梯度值计算各纹理参考图像块的梯度值，以得到纹理梯度权重集。
17、所述基于投影和多尺度特征的点云质量评价方法，其中，所述基于各图像组及各图像组对应的纹理梯度权重集计算纹理质量分数具体包括：
18、对于每个图像组，按照预设划分方式分别将纹理参考图和纹理失真图划分为若干纹理参考图像块和若干纹理失真图像块，并基于各纹理参考图像块、图像组对应的纹理梯度权重集和各纹理失真图像块，计算所述图像组的纹理失真度，其中，纹理参考图像块分别与纹理失真图像块和纹理梯度权重集中的纹理图像块梯度权重一一对应；
19、基于各图像组的纹理失真度计算纹理质量分数。
20、所述基于投影和多尺度特征的点云质量评价方法，其中，所述纹理质量分数的计算公式为：
21、
22、
23、其中，qt表示纹理质量分数，k表示图像组的数量，βk表示第k个图像组的乘性系数，dtk表示第k组图像组的纹理失真度，i表示第i个纹理参考图像块，表示第k组图像组的第i个纹理参考图像块的纹理失真度。
24、所述基于投影和多尺度特征的点云质量评价方法，其中，所述基于所述纹理质量分数和所述几何质量分数，计算所述失真点云对应的质量分数具体为：
25、将所述纹理质量分数和所述几何质量分数进行加权，以得到所述失真点云对应的质量分数。
26、本申请实施例第二方面提供了一种基于投影和多尺度特征的点云质量评价系统，所述的系统包括：
27、投影模块，用于基于参考点云和失真点云确定预设数量的图像组，其中，所述图像组均包括纹理参考图、几何参考图、纹理失真图以及几何失真图，且各图像组各自对应的图像尺度互不相同；
28、权重确定模块，用于以图像块为单位计算各图像组的纹理梯度权重集及几何梯度权重集；
29、第一计算模块，用于基于各图像组及各图像组的纹理梯度权重集计算纹理质量分数，并基于各图像组及各图像组的几何梯度权重集计算几何质量分数；
30、第二计算模块，用于基于所述纹理质量分数和所述几何质量分数，计算所述失真点云对应的质量分数。
31、本申请实施例第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上任一所述的基于投影和多尺度特征的点云质量评价方法中的步骤。
32、本申请实施例第四方面提供了一种终端设备，其包括：处理器、存储器及通信总线；所述存储器上存储有可被所述处理器执行的计算机可读程序；
33、所述通信总线实现处理器和存储器之间的连接通信；
34、所述处理器执行所述计算机可读程序时实现如上任一所述的基于投影和多尺度特征的点云质量评价方法中的步骤。
35、有益效果：与现有技术相比，本申请提供了一种基于投影和多尺度特征的点云质量评价方法及相关装置，方法包括基于参考点云和失真点云确定预设数量的图像组；以图像块为单位计算各图像组的纹理梯度权重集及几何梯度权重集；基于各图像组及各图像组的纹理梯度权重集计算纹理质量分数，并基于各图像组及各图像组的几何梯度权重集计算几何质量分数；基于所述纹理质量分数和所述几何质量分数，计算所述失真点云对应的质量分数。本申请通过补片投影确定图像组，然后获取不同尺度的图像组的分块梯度权重系数，并基于不同尺度的分块梯度权重系数和多尺度特征来确定质量分数，这样一方面可以发掘多尺度的视觉特性，另一方可以有效反映出视觉重要性，从而可以提高点云质量评价的性能，并且使得点云质量评价方法更适合点云编码。
本文档来自技高网...【技术保护点】
1.一种基于投影和多尺度特征的点云质量评价方法，其特征在于，所述的方法包括：
2.根据权利要求1所述基于投影和多尺度特征的点云质量评价方法，其特征在于，所述基于参考点云和失真点云确定预设数量的图像组具体包括：
3.根据权利要求2所述基于投影和多尺度特征的点云质量评价方法，其特征在于，所述下采样操作为通过高斯金字塔进行的下采样操作。
4.根据权利要求1所述基于投影和多尺度特征的点云质量评价方法，其特征在于，所述以图像块为单位计算各图像组的纹理梯度权重集具体包括：
5.根据权利要求1所述基于投影和多尺度特征的点云质量评价方法，其特征在于，所述基于各图像组及各图像组对应的纹理梯度权重集计算纹理质量分数具体包括：
6.根据权利要求5所述基于投影和多尺度特征的点云质量评价方法，其特征在于，所述纹理质量分数的计算公式为：
7.根据权利要求1所述基于投影和多尺度特征的点云质量评价方法，其特征在于，所述基于所述纹理质量分数和所述几何质量分数，计算所述失真点云对应的质量分数具体为：
8.一种基于投影和多尺度特征的点
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-7任意一项所述的基于投影和多尺度特征的点云质量评价方法中的步骤。
10.一种终端设备，其特征在于，包括：处理器、存储器及通信总线；所述存储器上存储有可被所述处理器执行的计算机可读程序；
...【技术特征摘要】
1.一种基于投影和多尺度特征的点云质量评价方法，其特征在于，所述的方法包括：
2.根据权利要求1所述基于投影和多尺度特征的点云质量评价方法，其特征在于，所述基于参考点云和失真点云确定预设数量的图像组具体包括：
3.根据权利要求2所述基于投影和多尺度特征的点云质量评价方法，其特征在于，所述下采样操作为通过高斯金字塔进行的下采样操作。
4.根据权利要求1所述基于投影和多尺度特征的点云质量评价方法，其特征在于，所述以图像块为单位计算各图像组的纹理梯度权重集具体包括：
5.根据权利要求1所述基于投影和多尺度特征的点云质量评价方法，其特征在于，所述基于各图像组及各图像组对应的纹理梯度权重集计算纹理质量分数具体包括：
6.根据权利要求5所述基于投...
【专利技术属性】
技术研发人员：丁克勤，张云，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。