主权项 |
基于显著自适应的视觉舒适预测及非线性映射的视觉舒适增强方法,其特征在于,包括如下步骤:(1)显著估计:1a)读入一幅2D彩色图像的左视点图像I<sub>l</sub>,利用GBVS显著图提取方法得到对应的彩色显著图S<sub>I</sub>;1b)读入所述2D彩色图像的左视点图像I<sub>l</sub>和右视点图像I<sub>r</sub>,利用DERS估计方法得到对应的视差显著图S<sub>D</sub>;(2)合成显著自适应视差图:2a)先对S<sub>I</sub>进行归一化处理,将其像素值转化成[0,1]范围内的双精度值,用以表明其显著性;如果某点像素值越接近0,表明该点越不显著;如果某点像素值越接近1,表明该点越显著;归一化公式如下:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><msub><mi>W</mi><mi>t</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><msub><mi>S</mi><mi>I</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow></mrow><mn>255</mn></mfrac><mo>,</mo></mrow>]]></math><img file="FDA0000980089730000011.GIF" wi="405" he="110" /></maths>其中S<sub>I</sub>(x,y)表示在(x,y)像素点处的显著值;2b)将W<sub>t</sub>作为权值,乘到视差显著图S<sub>D</sub>上,得到合成的显著自适应视差图S<sub>ad</sub>,即:S<sub>ad</sub>(x,y)=W<sub>t</sub>(x,y)*S<sub>D</sub>(x,y);(3)选取显著自适应视差图S<sub>ad</sub>中的前6%‑10%的视差值,作为阈值分割的阈值T<sub>r</sub>,得到视觉不舒适区域SDR:<img file="FDA0000980089730000012.GIF" wi="661" he="142" />(4)预测视觉不舒适的程度:4a)提取两个视差特征,一个是基于显著权值的视差特征D<sub>MSD</sub>;另一个是最大视差特征D<sub>m</sub>;本步骤具体按如下步骤进行:(4a1)基于得到的显著不舒适区域SDR,首先统计该区域中的像素个数N;(4a2)接着计算该视觉不舒适区域SDR像素的平均值D<sub>MSD</sub>,作为视觉舒适预测的一个视差特征,实现公式为:<img file="FDA0000980089730000021.GIF" wi="597" he="127" />(4a3)提取视觉不舒适区域SDR中的最大的视差D<sub>m</sub>,实现公式为:D<sub>m</sub>=max(S<sub>ad</sub>(x,y)),作为另一个视差特征用于视觉舒适估计;4b)形成视差特征向量D,视差特征向量D由视差特征D<sub>MSD</sub>和视差特征D<sub>m</sub>组成:D=[D<sub>MSD</sub>,D<sub>m</sub>];4c)计算视觉舒适度VC:基于支持向量回归分析SVR预测,预测函数为:<img file="FDA0000980089730000022.GIF" wi="829" he="127" />其中α和α<sup>*</sup>是拉格朗日乘子;K(D<sub>i</sub>,D)是非线性变换输入特征的核函数,这里采用径向基函数RBF:<img file="FDA0000980089730000023.GIF" wi="382" he="70" />其中γ表示核函数的变化;i表示输入特征数据的数量;(5)视觉舒适的增强:在显著自适应视差图S<sub>ad</sub>中,存在着四种类型的像素:不显著舒适像素、显著舒适像素、不显著不舒适像素和显著不舒适像素;先确定像素的所属类型,再根据非线性映射公式:D<sub>nm</sub>(x,y)=20*lg(S<sub>ad</sub>(x,y)),对显著自适应视差图S<sub>ad</sub>进行压缩处理;(6)合成虚拟图像:利用深度图像绘制技术DIBR,将处理过的视差图D<sub>nm</sub>和原右视点图像作为输入,合成虚拟图像。 |