[发明专利]一种立体图像观看舒适性客观评价方法

说明书

本发明涉及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；其引入立体视觉舒适度的多种影响因素，采用机器学习方法实现立体图像的舒适度评价，从而避免了主观方法中大量人力、物力、时间的消耗，实现了更为准确的自动评价；并充分考虑深度、图像等各方面信息的影响，基于视差角、宽度角、区域对比度、空间频率、以及亮度色度饱和度等多种特征训练SVR模型，实现了立体图像舒适度客观评价。

技术领域

本发明涉及一种立体图像观看舒适性客观评价方法，属于图像信号处理技术领域。

背景技术

3D立体显示越来越流行，它可以提供比传统2D视频更加炫酷刺激的观看体验。然而，立体画面在为观众带来具有临场感和真实感的视觉体验的同时，常常会给观看者带来一些不舒服的观赏感受，如头晕、头疼、眼睛干涩和疲劳等，甚至会产生恶心反胃等强烈反应。因此，为了提升立体视频的观看体验效果，对立体视频进行舒适度评价是必要的。

目前，立体视频评价方法主要包括主观评价方法和客观评价方法两种。主观评价方法需要专业的评价环境，且耗费人力、时间资源，无法自动执行。鉴于此，研究人员研究并提出了许多客观评价方法，以期在没有人参与下自动地评价3D图像的舒适情况。现有研究表明：前景对象的刺激宽度、双目视差数值、图像的组成要素(亮度、色度、对比度、饱和度)等均会对视觉舒适度产生影响，而仅基于一种或几种特定特征进行分析，会导致客观舒适性评价效果不佳。立体图像的观看舒适性程度是多维因素综合影响的结果，仅考虑某一个特定方面，基于几个特定因素进行舒适性评价，并不能满足舒适度评价的需求，也会导致舒适度评价效果不佳。

发明内容

本发明的目的在于提供一种立体图像观看舒适性客观评价方法，其引入立体视觉舒适度的多种影响因素，采用机器学习方法实现立体图像的舒适度评价，从而避免了主观方法中大量人力、物力、时间的消耗，实现了更为准确的自动评价；并充分考虑深度、图像等各方面信息的影响，基于视差角、宽度角、区域对比度、空间频率、以及亮度色度饱和度等多种特征训练SVR模型，实现了立体图像舒适度客观评价。

本发明的技术方案是这样实现的：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：