发明内容
本发明针对现有技术存在的裸眼视图模糊的缺陷,提出了一种在心理视觉调制技术中用于实现裸眼视图的方法,采用基于分层最小平方非负矩阵分解的改进算法,可以为心理视觉调制显示技术提供一个清晰的裸眼视图。
本发明根据现有心理视觉调制显示技术的目标函数,结合裸眼视图的要求,提出新的目标函数。同时,在当前先进的分层最小平方非负矩阵分解方法的基础上,做出一定的调整,使之适应新提出的目标函数。从而,提出了一种快速、有效的非负矩阵分解算法,使得心理视觉调制显示技术能够为使用者提供一个清晰的裸眼视图。另外,根据使用场景的不同,通过对新提出的目标函数中各参数的调整,可以控制裸眼视图和非裸眼视图的清晰度以适用于不同的场合。
本发明是通过以下技术方案实现的,本发明包括以下步骤:
第一步、基于传统心理调制显示技术中的非负矩阵分解目标函数,考虑裸眼需求,提出新的目标函数,用以实现裸眼视图;
将图像帧列向量化,得到目标呈现的裸眼视图向量和非裸眼视图矩阵,并根据用以实现裸眼视图,其中,s是非裸眼视图光强系数,取值大于1;Y是需要进行分解的图像矩阵;X是分解得到的原子帧;W是分解得到的调制权重矩阵;s0是裸眼视图光强系数,λsh用来控制裸眼视图质量,λsp用来控制调制权重矩阵的稀疏程度;
第二步、基于现有的分层最小平方的非负矩阵解法,对其做出调整以适用于步骤一中新提出的目标函数,从而提出采用基于分层最小平方非负矩阵分解的改进算法,用以求解在第一步中提出的目标函数。
第三步、调整第一步中目标函数的参数选择,包括非裸眼视图光强系数s,裸眼视图光强系数s0,裸眼视图质量控制系数λsh,调制权重举证稀疏度控制系数λsp,使得采用基于分层最小平方非负矩阵分解的改进算法可以应用于不同的落裸眼和非裸眼视图的清晰度需求。
与现有技术相比,本发明具有以下有益效果:
本发明的原理是,考虑到原有心理视觉调制技术的求解,对一组高速的原子帧的线性组合并没有任何要求,使得裸眼视图呈现模糊的图像。在引入该限制后,通过对新目标的求解,可以让原子帧直接的线性组合呈现出清晰的图像。
实施例:
第一步、将图像帧列向量化,得到目标呈现的裸眼视图向量和非裸眼视图矩阵,并根据,其中,s是非裸眼视图光强系数,取值大于1。Y是需要进行分解的图像矩阵。X是分解得到的原子帧。W是分解得到的调制权重矩阵。s0是裸眼视图光强系数,λsh用来控制裸眼视图质量,λsp用来控制调制权重矩阵的稀疏程度。
本步骤中:所述传统心理调制显示技术中的非负矩阵分解目标函数为:
其中,s是非裸眼视图光强系数,取值大于1;Y是需要进行分解的图像矩阵;X是分解得到的原子帧;W是分解得到的调制权重矩阵;
所述新的目标函数为:
其中,y0是期望的到的裸眼视图向量,1是一个全为1的列向量,s0是裸眼视图光强系数,λsh用来控制裸眼视图质量,λsp用来控制调制权重矩阵的稀疏程度;
上述公式简化成
其中,
根据分层最小平方非负矩阵分解的解法,固定X更新W的每一行,然后固定W更新X的每一列:
X每一列的更新公式:
W每一行的更新公式:
其中,[Z][0,1]=min(max(Z,0),1),min是指取两者中的较小值,max是指取两者中的较大值;这两个矩阵是用来更新X,因此在每次更新X之前都要先更新和C=XTY,D=XTX,这两个矩阵是用来更新W,因此在每次更新W之前都要先更新C和D;Z:p代表一个向量,是矩阵Z的第p列,Zp:代表一个向量,是矩阵Z的第p行,Zpp代表一个数值,是矩阵Z第p行第p列的值。
参数估计流程见图1。
第二步、根据改进的分层最小平方非负矩阵分解算法,对第一步的目标函数进行求解,具体如下:
1)初始化非负矩阵N是裸眼视图的像素大小,M是原子帧个数,K是裸眼视图的个数;
2)简化目标函数,以适用分层最小平方分解算法:
3)初始化辅助矩阵,用于更新迭代
4)更新辅助矩阵,用于更新X:
5)更新辅助矩阵,用于更新X:
6)更新X的第p列
7)将X的取值范围固定在0到1之间X:p←min(max((X:p,0),1));
8)对X的每一列重复6)和7);
9)更新辅助矩阵,用于更新W:C←XTY;D←XTX;
10)对W的第p行进行更新
11)将W的取值范围固定在0到1之间Wp:←min(max((Wp:,0),1));
12)对W的每一行重复10)和11)。
第三步、调整步骤一中目标函数的参数,并重复步骤二的过程,可以根据具体使用的要求得到不同清晰度的裸眼视图和非裸眼视图。这些参数包括:提供的目标视图数量K,K越大视图效果越差。裸眼视图光强系数s0,s0越大裸眼视图效果越好。非裸眼视图光强系数s,s越小视图的效果越好,但是亮度会受到影响。裸眼视图质量控制系数λsh,越大裸眼视图质量越好,且程度很大,但非裸眼视图质量变差,程度较小。调制权重矩阵稀疏程度控制系数λsp,该系数越大,调制权重矩阵系数度越高,但是裸眼和非裸眼视图质量都会下降。
如以下表1-表5所示,体现了各个因素对裸眼视图和非裸眼视图的影响情况:
表1是本发明实施例原子帧数K对裸眼视图和非裸眼视图的影响;
表2是本发明实施例裸眼视图光强系数s0对裸眼视图和非裸眼视图的影响;
表3是本发明实施例非裸眼视图光强系数s对裸眼视图和非裸眼视图的影响;
表4是本发明实施例裸眼视图质量控制系数λsh对裸眼视图和非裸眼视图的影响;
表5是本发明实施例调制权重矩阵稀疏程度控制系数λsp对裸眼视图、非裸眼视图和调制权重矩阵稀疏程度的影响;
表1
K |
M |
2M |
3M |
4M |
5M |
6M |
7M |
8M |
R(%) |
1.68 |
3.3 |
4.38 |
5.31 |
6.02 |
6.81 |
7 |
7.11 |
R0(%) |
0.28 |
0.81 |
1.25 |
1.56 |
1.73 |
2.29 |
2.41 |
2.83 |
表2
s0 |
s |
2s |
3s |
4s |
5s |
6s |
7s |
8s |
λsh |
600 |
9 |
2 |
0.78 |
0.43 |
0.25 |
0.22 |
0.2 |
R(%) |
17.75 |
6.71 |
6.01 |
5.78 |
5.67 |
5.61 |
5.6 |
5.56 |
表3
s |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
R(%) |
6.01 |
5.97 |
6.02 |
6.32 |
7.06 |
8.27 |
9.38 |
10.51 |
R0(%) |
1.73 |
1.78 |
2.09 |
3.06 |
4.6 |
8.51 |
15.89 |
23.29 |
表4
λsh |
0 |
0.5 |
1 |
1.5 |
2 |
2.5 |
3 |
3.5 |
R(%) |
5.37 |
5.84 |
5.91 |
5.94 |
5.99 |
6 |
6.03 |
6.06 |
R0(%) |
19.74 |
4.31 |
3.02 |
2.33 |
1.82 |
1.65 |
1.34 |
1.27 |
表5
R(%) |
6.03 |
5.9 |
5.95 |
5.94 |
5.96 |
6.04 |
6.08 |
6.12 |
R0(%) |
1.81 |
1.95 |
1.84 |
1.96 |
1.97 |
2.05 |
2.14 |
2.08 |
Sparsity(%) |
20.1 |
22 |
25.9 |
26.6 |
28.4 |
20.6 |
35.8 |
40.9 |
实施效果
理想情况下,能够提供的视图数量越多越好,但是K值增加,视图的质量就会下降。因此需要根据实际情况来调整提供的视图数量,在实施例中,K值选取原子帧数量的5倍。
裸眼视图光强系数和非裸眼视图光强系数的差别越大,视图的质量越好。但在实际情况下,一般希望裸眼视图和非裸眼视图的光强差别不是很大,因此在实施例中设置s0=3s。
裸眼视图质量控制系数λsh和裸眼视图质量成正比,和非裸眼视图质量成反比。具体来说,少量的非裸眼质量就能换取大量的裸眼视图质量的提升。在实施例中,我们设置λsh=2。
调制权重矩阵稀疏程度控制系数λsp可以根据实际情况作出调整。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变形或修改,这并不影响本发明的实质内容。