一种光场显著性检测数据集清晰度评价方法与流程

1.本发明涉及显著性检测领域，是一种光场显著性检测数据集焦堆栈中不同层图像质量的评价方法。
技术背景
2.显著性监测需要相应的数据集进行网络训练，从数据结构分类，有彩色数据集、rgb-d数据集、光场显著性检测数据集等。其中光场显著性检测数据集中每个场景以焦堆栈形式存在，并且数据集中焦堆栈通常是无序的，因此输入网络进行训练时，焦堆栈中每张图片的权重的判定对网络训练尤为重要。


技术实现要素：

3.针对现有技术中存在的不足，本发明提出一种光场显著性检测数据集清晰度评价方法。
4.光场显著性检测数据集中每一个场景有一组焦堆栈、一张全聚焦图、一张显著性区域mask组成，以一组焦堆栈包括n张不同焦距图片为例，则一个场景由n 2张图片记录表示。
5.一种光场显著性检测数据集清晰度评价方法，对n张焦堆栈图片中显著性区域的清晰度进行评价，获得每一张焦堆栈图片的训练权重，具体步骤如下：
6.步骤一：通过光场显著性检测数据集中显著性区域掩膜i
mask
制作三个掩膜，并获取对应的窗函数mask
circ
。
7.光场显著性检测数据集中的一个场景由n张图片一组的焦堆栈i1，i2，.....，in、一个全聚焦图i
focus
、一张显著性区域掩膜i
mask
共n 2张图片组成。将显著性区域掩膜i
mask
进行二值化处理得到a
mask
，即a
mask
＝i
mask
&i
mask
；
8.对a
mask
进行先腐蚀后膨胀操作，去除掉i
mask
中小的连通域，得到掩膜a1；
9.对a1进行膨胀操作，得到掩膜a，膨胀强度为3～5个像素；
10.对a1进行腐蚀操作，得到掩膜b，腐蚀强度为3～5个像素；
11.窗函数mask
circ
与显著性区域掩膜i
mask
尺寸相同，并且窗口位于mask
circ
中央；
12.步骤二：通过掩膜a获得光场焦堆栈图像显著性区域图像。
13.通过掩膜a将焦堆栈图片显著性区域及周边部分图像单独扣取出来，得到焦堆栈显著性区域图像其中且i＝1，2，......，n；
14.步骤三：用傅里叶变换将焦堆栈显著性区域图像步骤三：用傅里叶变换将焦堆栈显著性区域图像从空域转换到频域，获得其频谱信息。
15.步骤四：对显著性区域高频信息进行傅里叶反变换，得到空域图像其中且i＝1，2，......，n；
16.步骤五：用腐蚀的掩膜b截取空域高频部分，得到显著性区域截取后的高频图像其中且i＝1，，2，
……
，n。计算灰度值之和m1，m2，......，mn，用以表示焦堆栈图像显著性区域高频能量值大小。
17.步骤六：对堆栈图像显著性区域高频能量值进行归一化，用来表示该图片的训练权重m1，m2，......，mn，其中
18.进一步的，所述的步骤三具体方法如下：
19.对步骤二中获得的进行二维傅里叶变换获得频谱其中其中为傅里叶运算符。用窗函数mask
circ
对焦堆栈显著性区域频谱信息进行高通滤波，获得显著性区域高频信息其中其中且i＝1，2，......，n。
20.本发明有益效果如下：
21.本发明针对数据集焦堆栈中显著性区域进行清晰程度判定，并以此作为焦堆栈中该图片训练权重的评价标准，显著性区域越清晰，则该图片的训练权重越高。
具体实施方式
22.一种光场显著性检测数据集清晰度评价方法，本方法对n张焦堆栈图片中显著性区域的清晰度进行评价，获得每一张焦堆栈图片的训练权重，具体步骤如下：
23.步骤一：通过光场显著性检测数据集中显著性区域掩膜i
mask
制作三个掩膜，并获取对应的窗函数mask
circ
。
24.光场显著性检测数据集中的一个场景由n张图片一组的焦堆栈i1，i2，......，in、一个全聚焦图i
focus
、一张显著性区域掩膜i
mask
共n 2张图片组成。将显著性区域掩膜i
mask
进行二值化处理得到a
mask
，即a
mask
＝i
mask
&i
mask
；
25.对a
mask
进行先腐蚀后膨胀操作，去除掉i
mask
中小的连通域，得到掩膜a1；
26.对a1进行膨胀操作，得到掩膜a，膨胀强度为3～5个像素；
27.对a1进行腐蚀操作，得到掩膜b，腐蚀强度为3～5个像素；
28.窗函数mask
circ
与显著性区域掩膜i
mask
尺寸相同，并且窗口位于mask
circ
中央；
29.步骤二：通过掩膜a获得光场焦堆栈图像显著性区域图像。
30.通过掩膜a将焦堆栈图片显著性区域及周边部分图像单独扣取出来，得到焦堆栈显著性区域图像其中且i＝1，2，......，n；
31.步骤三：用傅里叶变换将焦堆栈显著性区域图像步骤三：用傅里叶变换将焦堆栈显著性区域图像从空域转换到频域，获得其频谱信息。
32.对步骤二中获得的进行二维傅里叶变换获得频谱其中其中为傅里叶运算符。用窗函数mask
circ
对焦堆栈显
著性区域频谱信息进行高通滤波，获得显著性区域高频信息其中其中且i＝1，2，......，n。
33.步骤四：对显著性区域高频信息进行傅里叶反变换，得到空域图像其中且i＝1，2，......，n；
34.步骤五：用腐蚀的掩膜b截取空域高频部分，得到显著性区域截取后的高频图像其中且i＝1，，2，
……
，n。计算灰度值之和m1，m2，......，mn，用以表示焦堆栈图像显著性区域高频能量值大小。
35.步骤六：对堆栈图像显著性区域高频能量值进行归一化，用来表示该图片的训练权重m1，m2，......，mn，其中


技术特征：
1.一种光场显著性检测数据集清晰度评价方法，其特征在于，对n张焦堆栈图片中显著性区域的清晰度进行评价，获得每一张焦堆栈图片的训练权重，具体步骤如下：步骤一：通过光场显著性检测数据集中显著性区域掩膜i
mask
制作三个掩膜，并获取对应的窗函数mask
circ
；光场显著性检测数据集中的一个场景由n张图片一组的焦堆栈i1，i2，......，i
n
、一个全聚焦图i
focus
、一张显著性区域掩膜i
mask
共n 2张图片组成；将显著性区域掩膜i
mask
进行二值化处理得到a
mask
，即a
mask
＝i
mask
&i
mask
；对a
mask
进行先腐蚀后膨胀操作，去除掉i
mask
中小的连通域，得到掩膜a1；对a1进行膨胀操作，得到掩膜a，膨胀强度为3～5个像素；对a1进行腐蚀操作，得到掩膜b，腐蚀强度为3～5个像素；窗函数mask
circ
与显著性区域掩膜i
mask
尺寸相同，并且窗口位于mask
circ
中央；步骤二：通过掩膜a获得光场焦堆栈图像显著性区域图像；通过掩膜a将焦堆栈图片显著性区域及周边部分图像单独扣取出来，得到焦堆栈显著性区域图像其中且i＝1，2，......，n；步骤三：用傅里叶变换将焦堆栈显著性区域图像步骤三：用傅里叶变换将焦堆栈显著性区域图像从空域转换到频域，获得其频谱信息；步骤四：对显著性区域高频信息进行傅里叶反变换，得到空域图像其中且i＝1，2，......，n；步骤五：用腐蚀的掩膜b截取空域高频部分，得到显著性区域截取后的高频图像其中且i＝1，，2，
……
，n；计算灰度值之和m1，m2，......，m
n
，用以表示焦堆栈图像显著性区域高频能量值大小；步骤六：对堆栈图像显著性区域高频能量值进行归一化，用来表示该图片的训练权重m1，m2，......，m
n
，其中2.根据权利要求1所述的一种光场显著性检测数据集清晰度评价方法，其特征在于，所述的步骤三具体方法如下：对步骤二中获得的进行二维傅里叶变换获得频谱其中中为傅里叶运算符；用窗函数mask
circ
对焦堆栈显著性区域频谱信息进行高通滤波，获得显著性区域高频信息其中其中且i＝1，2，......，n。

技术总结
本发明公开了一种光场显著性检测数据集清晰度评价方法。首先通过显著性区域掩膜制作三个掩膜，并获取对应的窗函数；通过掩膜A获得光场焦堆栈图像显著性区域图像；用傅里叶变换将焦堆栈显著性区域图像从空域转换到频域，获得其频谱信息；对显著性区域高频信息进行傅里叶反变换，得到空域图像；用腐蚀的掩膜B截取空域高频部分，计算高频图像灰度值之和，用以表示焦堆栈图像显著性区域高频能量值大小；对堆栈图像显著性区域高频能量值进行归一化，用来表示该图片的训练权重。本发明针对数据集焦堆栈中显著性区域进行清晰程度判定，并以此作为焦堆栈中该图片训练权重的评价标准，显著性区域越清晰，则该图片的训练权重越高。则该图片的训练权重越高。


技术研发人员：颜成钢 陈威 吕成涛 吕彬彬 孙垚棋 张继勇 李宗鹏
受保护的技术使用者：杭州电子科技大学
技术研发日：2021.09.24
技术公布日：2022/1/14