[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

说明书

技术领域

本发明属于3D立体显示技术领域，涉及一种视觉舒适预测及增强的方法，可用于对舒适度要求较高的立体显示中，具体是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。

背景技术

随着3D立体显示技术的飞速发展，人们可以身临其境地体验3D带来的视觉上与感知上的双重冲击。但是在立体观看过程中存在一些至关重要的问题，如：视觉不舒适，视觉疲劳等。为了立体显示技术的广泛使用，给观看者创造一个舒适安全的观看环境显得很有必要。引起视觉不舒适的因素有很多，包括过度视差、左右图像的不匹配、深度信息的冲突等。而过度视差由于我们的双眼很难融合，因而最容易引起视觉不舒适。

传统的视觉舒适度可客观评价方法主要是基于全局的视差统计特征来预测视觉舒适度，如整幅视差图像的均值、方差、分布范围等特征。然而，根据人眼立体视觉注意力特性，人眼只对部分视觉重要区域的视觉舒适/不舒适比较敏感，如果以全局的视差统计特征来预测视觉重要区域的视觉舒适程度，会导致无法精确预测得到的客观评价值。

Sohn H、Jung Y J和Lee S等人在IEEE Transactions on Broadcasting上名为“Predicting visual discomfort using object size and disparity information in stereoscopic images”的论文中提出了一种相对视差和前景对象尺寸的立体图像视觉舒适度客观评价方法，该方法首先利用mean-shift分割方法对视差图进行分割，有效地提取出对象的轮廓，然后计算到邻近对象间的相对视差和前景对象的尺寸，并将其作为舒适度感知特征，最后结合传统的 全局视差统计特征，可以较大程度地提高视觉舒适预测的准确性。然而，该方法没有考虑空间频率特征对人眼深度感知的影响，也没有考虑立体视觉显著区域对视觉舒适评价的影响。

2013年在名为“一种立体图像视觉舒适度评价方法”的NO.CN103581661A专利中提出了一种立体图像视觉舒适度评价方法，该方法首先通过提取右视点图像的显著图和右视差图像的深度显著图，得到右视点图像的立体显著图，然后根据立体显著图加权提取出视差幅度、视差梯度和空间频率特征，得到立体图像的特征矢量，再利用支持向量回归对立体图像集合中的所有立体图像的特征矢量进行训练，最后利用训练得到的支持向量回归训练模型对立体图像集合中的每幅立体图像进行测试，得到每幅立体图像的客观视觉舒适度评价预测值。该方法的优点是获得的立体图像的特征矢量信息具有较强的稳定性且能够较好地反映立体图像的视觉舒适度变化情况，从而有效地提高了客观评价结果与主观感知的相关性。然而，获得的立体显著图是线性叠加了图像显著图和深度显著图，这种传统的线性叠加方法不仅弱化了图像的显著信息，并且会引入一些本来不显著的区域，较大程度地改变了原始图像的视差范围。在此基础上得到的提取的视差特征矢量，不能较好地表征原图像的舒适度范围，不能够准确地预测图像的舒适度。

传统的用于改善视觉不舒适的方法主要是通过调整视差，调整的方法主要分为两大类：一个是视差缩放；另一个是视差平移。

Holliman N在SPIE上名为“Mapping perceived depth to regions of interest in stereoscopic images”的论文中提出了通过视差缩放来调整视差，该方法是通过缩放原图像的视差范围到一个相对舒适的目标区域，进而减少3D立体显示中的视觉不舒适。这种方法的缺点是，经过缩放后的图像尺寸会 相应的减小，如果采用简单的线性差值可以扩充到原图像的大小，但是图像的整体质量会下降。

Xu D、Coria L E和Nasiopoulos P等人在IEEE International Conference on Consumer Electronics上名为“Quality of experience for the horizontal pixel parallax adjustment of stereoscopic 3D videos”的论文中提出了视差平移方法，是通过水平平移左右视点的图像来调整视差，可以保持原图像的视差范围。这种方法由于较低的算法复杂度被广泛应用。然而，当原图像的视差范围超过了确定的视觉舒适区，用这种方法减少视觉不舒适的效果将会不明显。

发明内容