[发明专利]一种立体图像的最小可察觉变化步长的客观分析方法有效

专利信息
申请号: 201110206505.X 申请日: 2011-07-22
公开(公告)号: CN102271279A 公开(公告)日: 2011-12-07
发明(设计)人: 邵枫;蒋刚毅;郁梅 申请(专利权)人: 宁波大学
主分类号: H04N17/00 分类号: H04N17/00;H04N13/00
代理公司: 宁波奥圣专利代理事务所(普通合伙) 33226 代理人: 程晓明;周珏
地址: 315211 浙*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 立体 图像 最小 可察觉 变化 步长 客观 分析 方法
【权利要求书】:

1.一种立体图像的最小可察觉变化步长的客观分析方法,其特征在于包括以下步骤:

①令Sorg为原始的无失真的立体图像,令Sdis为待评价的失真的立体图像,将Sorg的左视点图像记为Lorg,将Sorg的右视点图像记为Rorg,将Sdis的左视点图像记为Ldis,将Sdis的右视点图像记为Rdis

②对Lorg、Rorg、Ldis和Rdis4幅图像分别实施奇异值分解,分别得到Lorg、Rorg、Ldis和Rdis4幅图像各自对应的奇异值矢量,将Lorg的奇异值矢量记为将Rorg的奇异值矢量记为将Ldis的奇异值矢量记为将Rdis的奇异值矢量记为其中,各个奇异值矢量的维数为m,m=min(M,N),min()为取最小值函数,M表示图像的水平尺寸大小,N表示图像的垂直尺寸大小;

③计算Lorg的奇异值矢量与Ldis的奇异值矢量的绝对差矢量,记为XL,将XL作为Ldis的特征矢量,计算Rorg的奇异值矢量与Rdis的奇异值矢量的绝对差矢量,记为XR,将XR作为Rdis的特征矢量,其中,“||”为取绝对值符号;

④对Ldis的特征矢量XL和Rdis的特征矢量XR进行线性加权,得到Sdis的特征矢量,记为X,X=wLXL+wRXR,其中,wL表示Ldis的权值比重,wR表示Rdis的权值比重,wL+wR=1;

⑤采用n幅无失真的立体图像,建立其在H.264编码失真类型的不同失真程度下的失真立体图像集合,该失真立体图像集合包括多幅失真的立体图像,利用主观质量评价方法分别获取失真立体图像集合中每幅失真的立体图像的平均主观评分差值,记为DMOS,DMOS=100-MOS,其中,MOS表示主观评分均值,DMOS∈[0,100],n≥1;

⑥采用与计算Sdis的特征矢量X相同的方法,分别计算失真立体图像集合中每幅失真的立体图像的不同权值比重组合的特征矢量,对于失真立体图像集合中第i幅失真的立体图像的第j种权值比重组合的特征矢量,将其记为Xi,j,其中,1≤i≤n′,1≤j≤m′,n′表示失真立体图像集合中包含的失真的立体图像的幅数,m′表示所有权值比重组合的种数;

⑦采用支持向量回归对失真立体图像集合中所有的失真的立体图像的相同权值比重组合的特征矢量进行训练,得到不同权值比重组合的支持向量回归训练模型,对于第j种权值比重组合的支持向量回归训练模型,将其记为fj(Xinp),其中,fj()为第j种权值比重组合的回归函数的函数表示形式,Xinp表示支持向量回归训练模型的输入矢量;

⑧从n幅无失真的立体图像中任意选取一幅立体图像,然后任取一个编码量化参数对该立体图像的左视点图像进行编码,并采用多个不同的编码量化参数对该立体图像的右视点图像进行编码,利用训练得到的支持向量回归训练模型对由编码得到的一幅左视点图像和多幅右视点图像构成的多幅测试图像进行测试,计算得到人眼可感知立体视觉变化时测试图像中的右视点图像的最小可察觉变化步长。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于宁波大学,未经宁波大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201110206505.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top