[发明专利]基于统计特征视角合成质量预测方法、信息数据处理终端

权利要求书

1.一种基于统计特征视角合成质量预测方法，其特征在于，所述基于统计特征视角合成质量预测方法，首先基于高质量的深度图像的细节信息应该被纹理图像的细节信息所包含的事实，为了表征纹理图像和深度图像的相互作用对视角合成质量的影响，提出基于物体边缘区域的小波域高频系数的融合方法；然后，用纹理图像的低频系数和融合后的高频系数进行图像重构得到融合后的图像；最后，分别从融合图像的自然场景区域和相互作用区域分别提取统计特征来预测视角合成图像的质量；

所述基于统计特征视角合成质量预测方法包括以下步骤：

第一步，搜集针对视角合成的包含深度图像、纹理图像和合成后图像质量分数的数据集；

第二步，把纹理图像和深度图像进行小波分解，并对纹理图像进行物体边缘区域检测；

第三步，在物体边缘区域信息的指导下，利用纹理图像和深度图像小波分解后的高频子带进行系数融合并重构出融合图像；

第四步，从自然场景区域和相互作用区域对重构图像分别统计去均值对比度归一化系数和切比雪夫矩系数分布；

第五步，用分布函数对第四步中的两个区域的统计分布进行拟合，用拟合的参数作为特征值送入支持向量机回归模型进行训练，建立合成后图像质量的预测装置；

第六步，对于待预测的纹理图像和深度图像，利用已建立的视角合成质量预测模型，实现视角合成后质量的预测。

2.如权利要求1所述的基于统计特征视角合成质量预测方法，其特征在于，所述第一步中搜集针对视角合成的包含深度图像、纹理图像和合成图像质量分数的数据集方法包括：

(1)获取用于视角合成图像质量评价的数据集，获取纹理图像和对应的深度图像以及相应的合成后图像的质量分数；

(2)将合成前的纹理图像和深度图像作为研究对象，把相应的合成后图像的质量分数作为研究对象的标签。

3.如权利要求1所述的基于统计特征视角合成质量预测方法，其特征在于，所述第二步中把纹理图像和深度图像进行小波分解，并对纹理图像进行物体边缘区域检测方法包括：

(1)将纹理图像和深度图像分别进行两层小波分解，分别得到一个低频子带和六个高频子带；

(2)对纹理图像进行物体边缘区域检测，得到图像中所有物体边缘对应的区域，并将物体边缘区域和非边缘区域用不同的颜色标记。

4.如权利要求1所述的基于统计特征视角合成质量预测方法，其特征在于，所述第三步中在物体边缘区域信息的指导下，利用纹理图像和深度图像小波分解后的高频子带进行系数融合并重构出融合图像方法包括：

(1)纹理图像和深度图像的相互作用引起的视角绘制失真主要分布在物体边缘区域，将第二步中得到的物体边缘对应的区域作为融合区域；

(2)将第二步中的纹理图像和深度图像分别小波分解后的六个高频子带进行系数加权融合，得到六个融合后的高频子带；

(3)对融合后的高频子带和纹理图像的低频子带利用小波反变换函数重构出融合图像。

5.如权利要求4所述的基于统计特征视角合成质量预测方法，其特征在于，基于高质量的深度图像的细节信息应该被纹理图像的细节所包含的事实，首先采取对纹理图像和深度图像的物体边缘区域融合的策略；选取了目前性能最好的HED预训练模型；然后对纹理图像和深度图像分别进行两层Haar小波分解，用表示纹理图像的小波分解后的LH，HL和HH子带系数；表示深度图像的小波分解后的LH，HL和HH子带系数；另外，表示纹理图像小波分解后的LL子带；其中，n∈[1,2]表示小波分解的层数，根据物体的边缘区域图I_E，对高频子带的边缘区域进行系数融合：

其中，表示融合后的高频系数；用纹理图像的低频系数和融合后高频系数的和进行图像重构，得到融合图像。