1.一种结合JND模型的交叉验证深度图质量评价方法，其特征在于包括以下步骤：

①将待评价的深度图记为Dtar，将Dtar对应的彩色图记为Τtar，将除Dtar和Τtar所在视点外的另一个已知视点定义为辅助视点，将辅助视点上的彩色图记为Tref；然后通过将Dtar中的所有像素点的像素值转化为视差值，将Τtar中的所有像素点经3D-Warping映射到Tref中；

其中，Dtar、Τtar和Tref的垂直方向上的像素点的总个数为M，Dtar、Τtar和Tref的水平方向上的像素点的总个数为N；

②令Etar表示尺寸大小与Dtar的尺寸大小相同的差值图，将Etar中坐标位置为(x,y)的像素点的像素值记为Etar(x,y)，当辅助视点在Dtar和Τtar所在视点的左边时，判断y+dtar,p(x,y)是否大于N，如果是，则令Etar(x,y)＝0，否则，满足u＝x、v＝y+dtar,p(x,y)，Etar(x,y)＝|Ιtar(x,y)-Ιref(u,v)|；当辅助视点在Dtar和Τtar所在视点的右边时，判断y-dtar,p(x,y)是否小于1，如果是，则令Etar(x,y)＝0，否则，满足u＝x、v＝y-dtar,p(x,y)，Etar(x,y)＝|Ιtar(x,y)-Ιref(u,v)|；其中，1≤x≤M,1≤y≤N，1≤u≤M,1≤v≤N，dtar,p(x,y)表示Dtar中坐标位置为(x,y)的像素点的像素值转化得到的视差值，符号“| |”为取绝对值符号，Ιtar(x,y)表示Τtar中坐标位置为(x,y)的像素点的亮度分量，Ιref(u,v)表示Tref中坐标位置为(u,v)的像素点的亮度分量；

③令C表示尺寸大小与Dtar的尺寸大小相同的遮挡掩膜图像，将C中坐标位置为(x,y)的像素点的像素值记为C(x,y)，将C中的每个像素点的像素值初始化为0，将Τtar中经3D-Warping映射到Tref中坐标位置为(u,v)处的像素点的总个数记为N(u,v)；当N(u,v)＝1时，令C(x,y)＝0；当N(u,v)>1时， 其中，N(u,v)的值为0或为1或大于1，Dtar(x,y)表示Dtar中坐标位置为(x,y)的像素点的像素值，max()为取最大值函数，1≤x(u,v),i≤M,1≤y(u,v),i≤N，(x(u,v),i,y(u,v),i)表示Τtar中经3D-Warping映射到Tref中坐标位置为(u,v)处的N(u,v)个像素点中的第i个像素点在Τtar中的坐标位置，Dtar(x(u,v),i,y(u,v),i)表示Dtar中坐标位置为(x(u,v),i,y(u,v),i)的像素点的像素值；

④利用C去除Etar中被遮挡的像素点，得到去遮挡后的差值图，记为E'tar，将E'tar中坐标位置为(x,y)的像素点的像素值记为E'tar(x,y)，E'tar(x,y)＝Etar(x,y)×(1-C(x,y))；

⑤计算Tref中的每个像素点的纹理判断因子，将Tref中坐标位置为(u,v)的像素点的纹理判断因子记为z(u,v)， 其中，1≤u≤M,1≤v≤N，zh(u,v)表示Tref中坐标位置为(u,v)的像素点的水平方向的纹理判断因子，zh(u,v)的值为1或0，zh(u,v)＝1表示Tref中坐标位置为(u,v)的像素点为水平方向的纹理像素点，zh(u,v)＝0表示Tref中坐标位置为(u,v)的像素点为水平方向的非纹理像素点，zv(u,v)表示Tref中坐标位置为(u,v)的像素点的垂直方向的纹理判断因子，zv(u,v)的值为1或0，zv(u,v)＝1表示Tref中坐标位置为(u,v)的像素点为垂直方向的纹理像素点，zv(u,v)＝0表示Tref中坐标位置为(u,v)的像素点为垂直方向的非纹理像素点；

⑥令T表示尺寸大小与Tref的尺寸大小相同的区域标记图，将T中坐标位置为(u,v)的像素点的像素值记为T(u,v)，将T中的每个像素点的像素值初始化为0；利用Canny算子检测出Tref中的边缘区域，假设Tref中坐标位置为(u,v)的像素点属于边缘区域，则令T(u,v)＝1；假设Tref中坐标位置为(u,v)的像素点的纹理判断因子z(u,v)＝1，则当T(u,v)＝0时确定Tref中坐标位置为(u,v)的像素点属于纹理区域，并重新令T(u,v)＝2；其中，T(u,v)的值为0或1或2，T(u,v)＝0代表Tref中坐标位置为(u,v)的像素点属于平坦区域，T(u,v)＝1代表Tref中坐标位置为(u,v)的像素点属于边缘区域，T(u,v)＝2代表Tref中坐标位置为(u,v)的像素点属于纹理区域；

⑦引入基于亮度掩蔽和纹理掩蔽效应的JND模型，利用JND模型，并根据Tref中的每个像素点所属区域，计算Tref中的每个像素点的误差可视阈值，将Tref中坐标位置为(u,v)的像素点的误差可视阈值记为Th(u,v)， 其中，max()为取最大值函数，min()为取最小值函数，bg(u,v)表示Tref中坐标位置为(u,v)的像素点的平均背景亮度，mg(u,v)表示Tref中坐标位置为(u,v)的像素点的周围亮度的最大平均加权，LA(u,v)表示Tref中坐标位置为(u,v)的像素点的亮度掩蔽效应，f(bg(u,v),mg(u,v))＝mg(u,v)×α(bg(u,v))+β(bg(u,v))，α(bg(u,v))＝bg(u,v)×

0.0001+0.115，β(bg(u,v))＝0.5-bg(u,v)×0.01；

⑧令E表示尺寸大小与Dtar的尺寸大小相同的深度误差图，将E中坐标位置为(x,y)的像素点的像素值记为E(x,y)，当E'tar(x,y)＝0时，E(x,y)＝0；当E'tar(x,y)≠0时，其中，V(x,y)＝(u,v)表示一个映射过程，(x,y)为Τtar中的像素点的坐标位置，(u,v)为Tref中的像素点的坐标位置，当Tref所在视点在Τtar所在视点的左边时，满足u＝x、v＝y+dtar,p(x,y)；当Tref所在视点在Τtar所在视点的右边时，满足u＝x、v＝y-dtar,p(x,y)；

⑨统计E中像素值为1的像素点的总个数，记为numE；然后计算Dtar中的错误像素点的比率作为Dtar的质量评价值，记为EPR，

2.根据权利要求1所述的结合JND模型的交叉验证深度图质量评价方法，其特征在于所述的步骤①中将Dtar中的所有像素点的像素值转化为视差值的具体过程为：对于Dtar中坐标位置为(x,y)的像素点，将其像素值转化得到的视差值记为dtar,p(x,y)，其中，1≤x≤M,1≤y≤N，b表示相机间

的基线距离，f表示相机的焦距，Znear为最近实际景深，Zfar为最远实际景深，Dtar(x,y)表示Dtar中坐标位置为(x,y)的像素点的像素值。

3.根据权利要求1或2所述的结合JND模型的交叉验证深度图质量评价方法，其特征在于所述的步骤⑤中zh(u,v)和zv(u,v)的获取过程为：⑤_1、计算Tref中的每个像素点沿水平方向的差分信号，将Tref中坐标位置为(u,v)的像素点沿水平方向的差分信号记为dh(u,v)， 其中，Iref(u,v+1)表示Tref中坐标位置为(u,v+1)的像素点的亮度分量；

⑤_2、计算Tref中的每个像素点沿水平方向的差分信号的特征符号，将dh(u,v)的特征符号记为symdh(u,v)，⑤_3、计算zh(u,v)， 其中，dhsym(u,v)为中间变量，

symdh(u,v+1)表示

Tref中坐标位置为(u,v+1)的像素点沿水平方向的差分信号的特征符号；

⑤_4、计算Tref中的每个像素点沿垂直方向的差分信号，将Tref中坐标位置为(u,v)的像素点沿垂直方向的差分信号记为dv(u,v)，其中，Iref(u+1,v)表示Tref中坐标位置为(u+1,v)的像素点的亮度分量；

⑤_5、计算Tref中的每个像素点沿垂直方向的差分信号的特征符号，将dv(u,v)的特征符号记为symdv(u,v)，⑤_6、计算zv(u,v)， 其中，dvsym(u,v)为中间变量，

symdv(u+1,v)表示

Tref中坐标位置为(u+1,v)的像素点沿垂直方向的差分信号的特征符号。