Full-reference Point Cloud Quality Assessment Using Spectral Graph Wavelets

在3D应用程序中，点云在处理过程中（例如扫描和压缩）经常会出现质量下降的情况。可靠的点云质量评估（PCQA）对于开发具有良好比特率质量平衡的压缩算法和质量改进技术（例如去噪）非常重要。本文介绍了一种利用谱图小波（SGWs）的全参考（FR）PCQA方法。首先，我们提出了新颖的基于SGW的PCQA度量，比较参考和失真点云之间的坐标和颜色信号的SGW系数。其次，我们通过使用支持向量回归将多个传统FR度量和我们的基于SGW的度量进行整合，实现了准确的PCQA。据我们所知，这是第一项介绍SGWs用于PCQA的研究。实验结果表明，与传统的PCQA度量相比，所提出的PCQA度量与主观质量评分更准确相关。

本论文旨在解决点云在处理过程中（如扫描和压缩）质量下降的问题，提出了一种基于谱图小波的全参考点云质量评估方法，并将其与传统方法进行了比较。

该论文的关键思路是使用谱图小波（SGWs）提出新的点云质量评估指标，并将其与传统方法相结合，使用支持向量回归实现准确的全参考点云质量评估。

该论文的亮点包括：使用SGWs提出了新的点云质量评估指标，实验结果表明该方法与主观质量评分更准确相关；使用支持向量回归实现了准确的全参考点云质量评估；该方法可用于点云压缩算法的开发和质量改进。

最近的相关研究包括：点云质量评估方法的研究，点云压缩算法的开发和性能改进，以及使用深度学习技术进行点云分析的研究。