[发明专利]基于显著自适应的视觉舒适预测及非线性映射的视觉舒适增强方法

摘要

本发明属于3D立体显示技术领域，具体公开了一种基于显著自适应的视觉舒适预测及非线性映射的视觉舒适增强方法，其实现步骤：1)提取图像的彩色显著图和视差显著图；2)彩色显著图归一化处理，将归一化值作为权值乘以视差显著图，得到显著自适应视差图；3)利用阈值分割提取显著不舒适区域；4)提取视差特征，基于SVR估计视觉舒适度，计算VC值进行可视化操作；5)显著自适应视差图的非线性映射处理；6)利用DIBR技术，映射后的视差图和原右视图作输入合成虚拟图像。本发明预测的视觉舒适度比主观评价得到的有较高相关性，既减小了过度视差，又保持了图像的显著信息，从而提高立体图像的视觉舒适度，可广泛用于3D立体显示。

主权项

基于显著自适应的视觉舒适预测及非线性映射的视觉舒适增强方法，其特征在于，包括如下步骤：(1)显著估计：1a)读入一个2D彩色图像的左视点图像I_l，利用GBVS显著图提取方法得到对应的彩色显著图S_I；1b)读入一副2D彩色图像的左视点图像I_l和右视点图像I_r，利用DERS估计方法得到对应的视差显著图S_D；(2)合成显著自适应视差图：2a)先对S_I进行归一化处理，将其像素值转化成[0,1]范围内的双精度值，用以表明其显著性；如果某点像素值越接近0，表明该点越不显著；如果某点像素值越接近1，表明该点越显著；归一化公式如下：$W_t(x,y)=\frac{S_I(x,y)}{255},$其中S_I(x,y)表示在(x,y)像素点处的显著值；2b)将W_t作为权值，乘到视差显著图S_D上，得到合成的显著自适应视差图S_ad，即：S_ad(x,y)＝W_t(x,y)*S_D(x,y)；(3)选取显著自适应视差图S_ad中的前6％‑10％的视差值，作为阈值分割的阈值T_r，得到视觉不舒适区域SDR：$\mathrm{Seg}\left(\mathrm{SDR}\right)=\left\{\begin{array}{cc}1& \mathrm{if}{S}_{\mathrm{ad}}>T_r;\\ 0& \mathrm{otherwise}.\end{array}\right.;$(4)预测视觉不舒适的程度：4a)提取两个视差特征，一个是基于显著权值的视差特征D_MSD；另一个是最大视差特征D_m；4b)形成视差特征向量D，视差特征向量D由视差特征D_MSD和视差特征D_m组成：D＝[D_MSD,D_m]；4c)计算视觉舒适度VC：基于支持向量回归分析SVR预测，预测函数为：其中α和α^*是拉格朗日乘子；K(D_i,D)是非线性变换输入特征的核函数，这里采用径向基函数RBF：其中γ表示核函数的变化；(5)视觉舒适的增强：在显著自适应视差图S_ad中，存在着四种类型的像素:不显著舒适像素、显著舒适像素、不显著不舒适像素和显著不舒适像素；先确定像素的所属类型，再根据非线性映射公式：D_nm(x,y)＝20*lg(S_ad(x,y))，对显著自适应视差图S_ad进行压缩处理；(6)合成虚拟图像：利用深度图像绘制技术DIBR，将处理过的视差图D_nm和原右视点图像作为输入，合成虚拟图像。