[发明专利]基于支持向量回归多视角视频色差校正方法

权利要求书

1.基于支持向量回归多视角视频色差校正方法，多视角序列中包括一个参考视角和n个待校正视角，参考视角的第一帧图像为参考图像，待校正视角的第一帧图像为待校正图像，每个待校正图像都以参考图像为标准校正自身色差，视频色差校正过程相同，其特征在于，每个待校正视角的视频色差校正过程均采用基于支持向量回归多视角视频色差校正方法，该方法包括以下步骤：

步骤一、计算参考图像与待校正图像之间的全局视差矢量，寻找二者之间的全局匹配区域；

步骤二、在参考图像和待校正图像的全局匹配区域都划分固定大小的宏块，并把位于参考图像和待校正图像中位置相同的宏块作为一组宏块对；

步骤三、计算参考图像和待校正图像中的每一个宏块的方差，提取满足条件的宏块对，并把满足条件的宏块对中每一组宏块对的像素灰度值均值作为训练数据加入训练集合S；

其中，A(i)，i＝1，2，...，m为参考图像中的宏块，m为参考图像中宏块的数量，

B(i)，i＝1，2，...，m为待校正图像中的宏块，

A(i)和B(i)为一组宏块对，

为参考图像的宏块A(i)的方差，

为待校正图像的宏块B(i)的方差，

T为阈值，且T＝0～0.2；

步骤四、将步骤三获取的训练集合S中训练数据由YUV色彩空间转换为RGB，然后转换为CIELAB空间；

步骤五、将步骤四获取的CIELAB空间的训练集合S中的训练数据分成L、a和b三个分量，形成三个子集S_L、S_a和S_b，将三个子集分别训练成三个SVR模型SVR_L、SVR_a和SVR_b；

步骤六、将待校正图像的每一个像素值转换到CIELAB空间，所得的三个分量L、a和b分别用对应的SVR模型进行变换，将变换后的L、a和b三值通过色彩逆变换，生成校正图像对应像素值的Y、U和V分量，进而获取校正图像。

2.根据权利要求1所述基于支持向量回归多视角视频色差校正方法，其特征在于，步骤一、计算参考图像与待校正图像之间的全局视差矢量，寻找二者之间的全局匹配区域的过程为：

通过公式

DV(d^x,d^y)=argmindx,dyMSEglobal(dx,dy)]]>

获得参考图像与待校正图像之间的视角差异，

其中：d_x为参考图像与待校正图像之间的水平方向视差估计值，

为参考图像与待校正图像之间的水平方向视差，

d_y为参考图像与待校正图像之间的垂直方向视差估计值，

为参考图像与待校正图像之间的垂直方向视差，

MSE_global(d_x，d_y)为参考图像与待校正图像之间的使残差能量，且按公式

MSEglobal(dx,dy)=1(M-dx)(N-dy)Σy=0N-dy-1Σx=0M-dx-1[R(x,y)-P(x-dx,y-dy)]2]]>

获取，

其中：R(x，y)为参考图像的全局匹配区域中坐标为(x，y)的像素值，x＝1，2，...，M，y＝1，2，...，N，

P(x-d_x，y-d_y)为待校正图像的全局匹配区域中坐标为(x-d_x，y-d_y)的像素值。