发明名称 一种基于场景模式分类的立体图像视觉舒适度评价方法
摘要 本发明公开了一种基于场景模式分类的立体图像视觉舒适度评价方法,其根据自然场景中前景目标和后景区域所处的深度位置,确定立体图像的10种场景模式;然后确定立体图像数据库中的每幅立体图像所属的场景模式,并建立每种场景模式下的视觉舒适度评价模型;对待评价的立体图像,先确定待评价的立体图像所属的场景模式,接着选取该场景模式下的视觉舒适度评价模型,之后计算待评价的立体图像的视觉舒适度评价预测值,最后对待评价的立体图像的视觉舒适度评价预测值进行修正;优点是基于10种场景模式分别建立的视觉舒适度评价模型能更精确地反映人类视觉系统对立体图像的视觉舒适度的感知,从而能有效地提高客观评价结果与人眼主观感知之间的一致性。
申请公布号 CN105163111A 申请公布日期 2015.12.16
申请号 CN201510571897.8 申请日期 2015.09.10
申请人 宁波大学 发明人 郁梅;应宏微;王颖;蒋刚毅
分类号 H04N17/00(2006.01)I;H04N13/00(2006.01)I 主分类号 H04N17/00(2006.01)I
代理机构 宁波奥圣专利代理事务所(普通合伙) 33226 代理人 程晓明
主权项 一种基于场景模式分类的立体图像视觉舒适度评价方法,其特征在于包括以下步骤:①确定立体显示器所显示的自然场景的10种场景模式,第1种场景模式为立体图像的右视点视差灰度图像中的前景目标凸于屏幕且处于非舒适区、后景区域凹于屏幕且处于非舒适区;第2种场景模式为立体图像的右视点视差灰度图像中的前景目标凸于屏幕且处于非舒适区、后景区域凸于屏幕且处于非舒适区;第3种场景模式为立体图像的右视点视差灰度图像中的前景目标凹于屏幕且处于非舒适区、后景区域凹于屏幕且处于非舒适区;第4种场景模式为立体图像的右视点视差灰度图像中的前景目标凸于屏幕且处于非舒适区、后景区域凹于屏幕且处于舒适区;第5种场景模式为立体图像的右视点视差灰度图像中的前景目标凸于屏幕且处于非舒适区、后景区域凸于屏幕且处于舒适区;第6种场景模式为立体图像的右视点视差灰度图像中的前景目标凸于屏幕且处于舒适区、后景区域凹于屏幕且处于非舒适区;第7种场景模式为立体图像的右视点视差灰度图像中的前景目标凹于屏幕且处于舒适区、后景区域凹于屏幕且处于非舒适区;第8种场景模式为立体图像的右视点视差灰度图像中的前景目标凸于屏幕且处于舒适区、后景区域凹于屏幕且处于舒适区;第9种场景模式为立体图像的右视点视差灰度图像中的前景目标凸于屏幕且处于舒适区、后景区域凸于屏幕且处于舒适区;第10种场景模式为立体图像的右视点视差灰度图像中的前景目标凹于屏幕且处于舒适区、后景区域凹于屏幕且处于舒适区;②选择每幅立体图像有视觉舒适度的平均主观评分均值的一个立体图像数据库;然后根据立体图像数据库中的每幅立体图像的右视点视差灰度图像中的前景目标的视差角和后景区域的视差角,确定立体图像数据库中的每幅立体图像所属的场景模式;再根据立体图像数据库中属于每种场景模式的所有立体图像各自的右视点视差灰度图像中的前景目标的视差角和后景区域的视差角,建立每种场景模式下的视觉舒适度评价模型,将第n种场景模式下的视觉舒适度评价模型描述如下:SMMO<sub>n</sub>=(4.2028‑u(Q<sub>n</sub>))‑v(Q<sub>n</sub>)×D<sub>a</sub>(Q<sub>n</sub>)+0.1912×ln(W<sub>a</sub>)‑0.0208×D<sub>a</sub>(Q<sub>n</sub>)×ln(W<sub>a</sub>),其中,1≤n≤10,SMMO<sub>n</sub>表示第n种场景模式下的视觉舒适度评价模型的输出,u(Q<sub>n</sub>)和v(Q<sub>n</sub>)均为常数,D<sub>a</sub>(Q<sub>n</sub>)表示待输入的一幅属于第n种场景模式的待评价的立体图像的右视点视差灰度图像的全局视差角,D<sub>a</sub>(Q<sub>n</sub>)=Q<sub>n</sub>×|f<sub>a</sub>|+(1‑Q<sub>n</sub>)×|b<sub>a</sub>|,Q<sub>n</sub>表示第n种场景模式下的权重,f<sub>a</sub>表示待输入的一幅属于第n种场景模式的待评价的立体图像的右视点视差灰度图像中的前景目标的视差角,b<sub>a</sub>表示待输入的一幅属于第n种场景模式的待评价的立体图像的右视点视差灰度图像中的后景区域的视差角,W<sub>a</sub>表示待输入的一幅属于第n种场景模式的待评价的立体图像的右视点视差灰度图像中的前景目标的宽度角,符号“||”为取绝对值符号;③将待评价的立体图像的右视点视差灰度图像记为{d<sub>R</sub>(x,y)},其中,1≤x≤W,1≤y≤H,W表示待评价的立体图像的宽度,其与立体图像数据库中的每幅立体图像的宽度一致,H表示待评价的立体图像的高度,其与立体图像数据库中的每幅立体图像的高度一致,d<sub>R</sub>(x,y)表示{d<sub>R</sub>(x,y)}中坐标位置为(x,y)的像素点的像素值;然后采用与步骤②中相同的方式,确定待评价的立体图像所属的场景模式;再根据待评价的立体图像所属的场景模式,选取该场景模式下的视觉舒适度评价模型;接着根据该场景模式下的视觉舒适度评价模型及{d<sub>R</sub>(x,y)}中的前景目标的视差角、{d<sub>R</sub>(x,y)}中的后景区域的视差角和{d<sub>R</sub>(x,y)}中的前景目标的宽度角,计算待评价的立体图像的视觉舒适度评价预测值,记为smmo,假设待评价的立体图像属于第n种场景模式,则smmo=(4.2028‑u(Q<sub>n</sub>))‑v(Q<sub>n</sub>)×D<sub>a</sub>'(Q<sub>n</sub>)+0.1912×ln(W<sub>a</sub>')‑0.0208×D<sub>a</sub>'(Q<sub>n</sub>)×ln(W<sub>a</sub>'),其中,D<sub>a</sub>'(Q<sub>n</sub>)表示{d<sub>R</sub>(x,y)}的全局视差角,D<sub>a</sub>'(Q<sub>n</sub>)=Q<sub>n</sub>×|f<sub>a</sub>'|+(1‑Q<sub>n</sub>)×|b<sub>a</sub>'|,f<sub>a</sub>'表示{d<sub>R</sub>(x,y)}中的前景目标的视差角,b<sub>a</sub>'表示{d<sub>R</sub>(x,y)}中的后景区域的视差角,W<sub>a</sub>'表示{d<sub>R</sub>(x,y)}中的前景目标的宽度角;④对待评价的立体图像的视觉舒适度评价预测值smmo进行修正,将待评价的立体图像的修正后的视觉舒适度评价预测值记为smm,<img file="FDA0000799478450000021.GIF" wi="1271" he="168" />其中,max()为取最大值函数,P表示待评价的立体图像所属的场景模式下的视觉舒适度评价模型的曲折度衰减系数,S<sub>r</sub>'表示{d<sub>R</sub>(x,y)}中的前景目标的平均前景行线段数,S<sub>c</sub>'表示{d<sub>R</sub>(x,y)}中的前景目标的平均前景列线段数,T<sub>f</sub>表示设定的视差角阈值,T<sub>r</sub>表示设定的前景行线段数阈值,T<sub>c</sub>表示设定的前景列线段数阈值。
地址 315211 浙江省宁波市江北区风华路818号