[发明专利]一种立体图像重定位方法

说明书

本发明公开了一种立体图像重定位方法，其在VGG16的基础上构建重定位网络，将训练集中的宽度为320且高度为240的左、右视点图像输入到重定位网络中进行训练，最终得到原始左、右视点图像的显著图；根据显著图计算低分辨率水平比例因子、低分辨率垂直比例因子、高分辨率水平比例因子、高分辨率垂直比例因子，进而得到原始左、右视点图像的低分辨率重定位图像和高分辨率重定位图像，再将宽度调整为320且高度调整为240后作为输入图像，进行训练，重复上述过程，在训练过程中增加内容感知损失，得到训练好的重定位网络模型；测试时直接利用重定位网络模型即可，重定位过程不需要任何监督，能模拟立体图像重定位过程，且能较好地保留重要的显著语义信息。

技术领域

本发明涉及一种图像信号的处理方法，尤其是涉及一种立体图像重定位方法。

背景技术

随着立体显示技术的快速发展，各种具有不同立体显示功能的终端设备也广泛出现，但由于立体显示终端种类繁多，宽/高比规格不一，因此若将宽/高比一定的立体图像放在不同的立体显示终端上显示，则必须先对立体图像的尺寸进行调整，以达到立体显示的效果。传统的图像缩放方法是通过裁剪或者是按固定比例进行缩放，这样做可能会导致图像中的内容减少或者导致显著物体形变。

立体图像重定位的主要方法有接缝雕刻和网格变形，然而，因去除像素点，接缝雕刻可能会产生锯齿状边缘，造成不连续变形，网格变形在形状保持和深度保持之间可能会产生不一致的物体变形或视差畸变，对于立体图像而言，其要保留输入图像中视觉感兴趣的区域，防止目标图像中的严重失真和伪影并使视差/深度得到保持，以提供令人满意的3D观看体验。因此，如何设计一种深度学习框架训练出立体重定向模型，实现对立体图像进行缩放以保留视觉感兴趣区域、减少图像形变并使视差得到保持，是在对立体图像进行重定位过程中需要研究解决的问题。

发明内容

本发明所要解决的技术问题是提供一种立体图像重定位方法，其符合显著语义特征，且能够有效地调整立体图像的尺寸大小。

本发明解决上述技术问题所采用的技术方案为：一种立体图像重定位方法，其特征在于包括以下步骤：

步骤1：选取N幅宽度为W且高度为H的原始立体图像，将第u幅原始立体图像的左视点图像和右视点图像对应记为{L_u(x,y)}和{R_u(x,y)}；然后采用等比例缩放方法将所有原始立体图像的左视点图像和右视点图像的宽度调整为320、高度调整为240，并将尺寸调整后的所有左视点图像和右视点图像构成训练集；其中，N为正整数，N＞1，u为正整数，1≤u≤N，1≤x≤W，1≤y≤H，L_u(x,y)表示{L_u(x,y)}中坐标位置为(x,y)的像素点的像素值，R_u(x,y)表示{R_u(x,y)}中坐标位置为(x,y)的像素点的像素值；

设定每幅原始立体图像的水平方向和垂直方向的缩放比对应为φ_w和φ_h，则将每幅原始立体图像对应的低分辨率重定位立体图像的宽度和高度对应记为W_LR和H_LR，将每幅原始立体图像对应的高分辨率重定位立体图像的宽度和高度对应记为其中，0＜φ_w≤1，0＜φ_h≤1，符号“”为向下取整符号；