[发明专利]一种基于多尺度DCT变换的立体图像舒适度预测方法

权利要求书

1.一种基于多尺度DCT变换的立体图像舒适度预测方法，其特征在于，包括以下步骤：

步骤S01：对视差图做若干尺度的块分割并进行二维DCT变换得到每个块的DCT变换结果；

步骤S02：对DCT变换结果进行特征提取；

步骤S03：将特征提取的结果归一化至一个相同的动态范围内；

步骤S04：将归一化后的结果输入至随机森林算法，得出结果；

所述步骤S02中，特征提取包括：基础视差强度特征提取、视差梯度能量特征提取及视差纹理复杂度特征提取；

所述基础视差强度特征提取的具体过程为：将所有块的直流系数之和作为当前尺度的基础视差强度特征值，即使用a＝[a(i,j)]_N×N表示块大小为N×N的视差图，用Α表示进行二维DCT变换后的块，

其中

第k个基础强度特征可以如下计算：

k表示DCT变换块的尺度，I是视差图中该块的个数并且M×N表示视差图的块大小；W和H分别是视差图的宽度和高度；DC(·)代表DC系数；

所述视差梯度能量特征提取的具体过程为：计算每个块与周围临近块的视差能量差异，归一化后获得该块的视差梯度能量值

其中EA(m,n)表示一个空间位置是(m,n)的DCT块A^mn并且 k表示视差梯度能量特征的尺度，K_B是视差图中DCT的块的个数；

所述视差纹理复杂度特征提取的具体过程为：对DCT变换后进行去除纹理操作，只取大于一定阈值的DCT变换后的值，对小于阈值的部分置零，提取视差纹理复杂度特征的计算过程如下：

其中T是选择的阈值，对于不同的图像块大小进行不同的设置；然后通过对B进行二维反DCT，可以得到去除中高频的块b：

b＝[b(i,j)]_M×N＝IDCT([B(u,v)]_M×N)

其中IDCT(·)表示二维反DCT变换，然后将原始视差图与去除中高频的视差图做差，获得纹理结果，

c＝[c(i,j)]_M×N＝|[a(i,j)]_M×N-[b(i,j)]_M×N|

其中c表示块a的中高频信息，c_p,q是在(p,q)上块的中高频信息；M×N是块c_p,q的大小，最终多尺度视差纹理复杂度特征由以下式子表示：

式中是(i,j)位置上视差纹理特征值；K_p视差纹理特征图中块的个数；k是块的尺度因素。

2.根据权利要求1所述的一种基于多尺度DCT变换的立体图像舒适度预测方法，其特征在于，所述步骤S03中，归一化的动态范围在0到1之间。

3.根据权利要求1所述的一种基于多尺度DCT变换的立体图像舒适度预测方法，其特征在于，所述步骤S04中，具体过程为：

A01：采用随机森林算法，将若干特征值作为输入值，对应的mos值作为输出进行训练和测试，训练集与测试集比例为4:1，将进行1000次训练测试结果的均值作为最终该条件下的结果；

A02：以决策树个数为变量进行训练和测试，获得最优决策树个数，在最优决策树个数情况下对上述若干输入值运用随机森林算法进行融合，获得立体图像的舒适度预测值。

4.根据权利要求1所述的一种基于多尺度DCT变换的立体图像舒适度预测方法，其特征在于，所述基础视差强度特征提取中使用8个不同尺度。

5.根据权利要求1所述的一种基于多尺度DCT变换的立体图像舒适度预测方法，其特征在于，所述视差梯度能量特征提取中使用7个不同尺度。

6.根据权利要求1所述的一种基于多尺度DCT变换的立体图像舒适度预测方法，其特征在于，所述视差纹理复杂度特征提取中使用8个不同尺度。