[发明专利]一种立体图像观看舒适性客观评价方法

权利要求书

1.一种立体图像观看舒适性客观评价方法，其特征在于：首先，提取立体图像的感兴趣区域；然后，分析感兴趣区域图像，获取各种特征；有效提取各特征信息，采用ε-SVR支持向量回归模型，确立核函数；最后选取标准立体图像库训练并测试模型，实现舒适性评价；其具体步骤如下：

步骤1：计算左右眼图像的视差图D_R(x,y)；

步骤2：采用GBVS显著性检测算法以右眼图像为主视眼提取显著区域，得到显著图IS_R(x,y)，结合视差图计算立体显著图IIS(x,y)，对立体显著图进行阈值T分割，得到掩膜图IM(x,y)，其中，α₁，α₂为系数，且α₁+α₂＝1；

IIS(x,y)＝α₁IS_R(x,y)+α₂D_R(x,y)

步骤3：将掩膜图与右眼图像相乘得到立体图像感兴趣区域o_f；

步骤4：提取感兴趣区域的舒适度影响特征，包括如下子步骤：

步骤401：通过下面公式计算感兴趣区域的平均视差值D_mean与平均视差角d_θ：

其中，d(x,y)为视差图中(x,y)处的视差值，|o_f|表示感兴趣区域内像素总数，k为放映放大率，D表示视差，L为观看立体图像时距屏幕的距离；

步骤402：提取前景区域宽度W_mean与宽度角W_θ，公式如下：

其中，N_F表示前景区域水平线的数量，表示前景区域内第n条水平线长度，w表示宽度；

步骤403：根据水平方向和垂直方向的空间频率R_f、C_f，按照下面公式计算图像空间频率v，其中，M和N为图像的宽和高，I(x,y)为图像(x,y)点的像素值；

步骤404：通过下面公式计算图像视角β，得到归一化的空间频率f，其中r表示栅条与人眼的距离，S为光栅图像宽度；

步骤405：按下面公式计算基于空间加权的区域对比度其中，d_r(r₁,r₂)为区域r₁和区域r₂的空间颜色距离，f(c_1,i)表示第i个颜色c_1,i在第1个区域r₁的所有颜色n₁中出现的概率，f(c_2,j)表示第j个颜色c_2,j在第2个区域r₂的所有颜色n₂中出现的概率，d(c_1,i,c_2,j)表示区域1中的i个颜色与区域2中第j个颜色在Lab空间内的颜色距离，S_r(r_i,r_j)表示区域r_i与区域r_j之间的空间距离，γ₀用于控制空间权值的强度；

步骤406：提取亮度V、色度H、饱和度特征S，公式如下：

V＝max(R',G',B')

其中，R'、G'、B'为红、绿、蓝三个颜色通道分量的归一化值；

步骤407：计算左右眼视图显著区域的亮度差异Δv(x,y)，色度差异Δh(x,y)，饱和度差异Δs(x,y)，公式如下，其中，v_L(x,y)表示左眼图像的亮度特征，v_R(x,y)表示右眼图像的亮度特征，h_L(x,y)表示左眼图像的色度特征，h_R(x,y)表示右眼图像的色度特征，s_L(x,y)表示左眼图像的饱和度，s_R(x,y)表示右眼图像的饱和度；

Δv(x,y)＝|v_L(x,y)-v_R(x,y)|

Δh(x,y)＝|h_L(x,y)-h_R(x,y)|

Δs(x,y)＝|s_L(x,y)-s_R(x,y)|

步骤5：采用ε-SVR支持向量回归模型建立预测函数f(X)，其定义形式如下：

δ_i和为拉格朗日算子，b为偏置项，X为特征变量，n为提取的特征的数量，X_i为提取的第i个特征，K(X_i,X)表示核函数，采用径向基核函数(RBF)，公式如下，其中，γ₁为核函数的参数；

步骤6：将提取的感知特征与标准MOS值进行归一化处理，基于预测函数进行模型训练和舒适性预测，对预测结果进行反归一化处理得到舒适度预测值。