一种基于空间加权的虚拟视点绘制方法

    公开(公告)号:CN104661013A

    公开(公告)日:2015-05-27

    申请号:CN201510040545.X

    申请日:2015-01-27

    Applicant: 宁波大学

    Abstract: 本发明公开了一种基于空间加权的虚拟视点绘制方法,其以行为单位进行像素点的坐标变换,获得实际投影像素点,然后以行为单位进行插值处理,省去了VSRS虚拟视点绘制方法中的上、下采样操作,节省了绘制时间;其充分地考虑了投影像素点的空间位置和多个投影像素点对绘制质量的影响,采用空间加权方式,有效地减少了由于深度图不准确所引入的噪声,提高了绘制精度,从而提高了虚拟视点图像的主、客观质量;其充分地考虑了参考视点不同区域对绘制质量的影响,从虚拟视点图像中的整像素点附近的投影像素点个数侧面地反映了其区域分布情况,并且对不同区域进行相应的插值,能够准确地将参考视点中的像素点插入到虚拟视点中,提高了虚拟视点图像的质量。

    一种虚拟视点视频质量预测方法

    公开(公告)号:CN106973281B

    公开(公告)日:2018-12-07

    申请号:CN201710038624.6

    申请日:2017-01-19

    Applicant: 宁波大学

    Abstract: 本发明公开了一种虚拟视点视频质量预测方法,其将第1帧彩色图像和第1帧深度图像各自中的各个分割块的均值和方差、第1帧彩色图像和第1帧深度图像各自的梯度图像中的各个分割块的均值、第1帧深度图像与第1帧失真深度图像的深度差值图像中的各个分割块的均值作为训练特征,将第1帧失真深度图像对应的标签图像中的各个分割块的均值作为训练标签,使用SVM对训练特征和训练标签组成的训练样本进行训练,得到SVM回归模型;将其余任一帧相应的均值和方差作为测试特征,利用SVM回归模型进行测试;利用输出的测试值获得失真虚拟视点视频的质量值;优点是考虑了虚拟视点绘制质量的各影响因子,使得在深度视频压缩失真下能有效预测出虚拟视点视频质量。

    一种基于视觉掩蔽效应的虚拟视点质量评价方法

    公开(公告)号:CN105828061B

    公开(公告)日:2017-09-29

    申请号:CN201610307584.6

    申请日:2016-05-11

    Applicant: 宁波大学

    Abstract: 本发明公开了一种基于视觉掩蔽效应的虚拟视点质量评价方法,其充分考虑了虚拟视点绘制失真类型,对虚拟视点图像进行偏移补偿,偏移补偿过程针对虚拟视点绘制像素点偏移等特殊失真,很好地消除了像素点位置偏移对虚拟视点图像质量的影响,使虚拟视点图像主客观质量结果更加一致;充分考虑了人眼视觉特性,提取参考图像的视觉敏感掩模图,消除了虚拟视点图像中视觉不敏感区域的失真对客观质量评价结果的影响,使客观质量评价结果更加符合人眼特性;充分地考虑了失真幅值掩蔽效应和失真分布掩蔽效应,计算虚拟视点图像的失真掩模图是为了能够将失真幅度较大、失真分布集中的区域提取出来,有效的区分不同幅值、不同分布的失真对人眼主观质量的影响。

    一种基于空间加权的虚拟视点绘制方法

    公开(公告)号:CN104661013B

    公开(公告)日:2016-08-17

    申请号:CN201510040545.X

    申请日:2015-01-27

    Applicant: 宁波大学

    Abstract: 本发明公开了一种基于空间加权的虚拟视点绘制方法,其以行为单位进行像素点的坐标变换,获得实际投影像素点,然后以行为单位进行插值处理,省去了VSRS虚拟视点绘制方法中的上、下采样操作,节省了绘制时间;其充分地考虑了投影像素点的空间位置和多个投影像素点对绘制质量的影响,采用空间加权方式,有效地减少了由于深度图不准确所引入的噪声,提高了绘制精度,从而提高了虚拟视点图像的主、客观质量;其充分地考虑了参考视点不同区域对绘制质量的影响,从虚拟视点图像中的整像素点附近的投影像素点个数侧面地反映了其区域分布情况,并且对不同区域进行相应的插值,能够准确地将参考视点中的像素点插入到虚拟视点中,提高了虚拟视点图像的质量。

    一种虚拟视点视频质量预测方法

    公开(公告)号:CN106973281A

    公开(公告)日:2017-07-21

    申请号:CN201710038624.6

    申请日:2017-01-19

    Applicant: 宁波大学

    CPC classification number: H04N13/15 H04N13/111 H04N17/02 H04N19/124

    Abstract: 本发明公开了一种虚拟视点视频质量预测方法,其将第1帧彩色图像和第1帧深度图像各自中的各个分割块的均值和方差、第1帧彩色图像和第1帧深度图像各自的梯度图像中的各个分割块的均值、第1帧深度图像与第1帧失真深度图像的深度差值图像中的各个分割块的均值作为训练特征,将第1帧失真深度图像对应的标签图像中的各个分割块的均值作为训练标签,使用SVM对训练特征和训练标签组成的训练样本进行训练,得到SVM回归模型;将其余任一帧相应的均值和方差作为测试特征,利用SVM回归模型进行测试;利用输出的测试值获得失真虚拟视点视频的质量值;优点是考虑了虚拟视点绘制质量的各影响因子,使得在深度视频压缩失真下能有效预测出虚拟视点视频质量。

Patent Agency Ranking