CN104881264A - 在心理视觉调制技术中用于实现裸眼视图的方法 - Google Patents

Abstract

本发明提出一种在心理视觉调制显示技术中实现裸眼视图的方法，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。本发明在实现裸眼视图的同时，保证了非裸眼视图依然有很高的清晰度和可识别性。

Description

在心理视觉调制技术中用于实现裸眼视图的方法

技术领域

本发明涉及的是一种图像和信号显示领域的系统，具体是一种在心理视觉调制技术中用于实现裸眼视图的方法。

背景技术

心理视觉调制显示技术是一种新型的显示技术，它利用了人类视觉系统相对低的时间分辨率，通过信号的分解和融合。心理视觉调制显示技术的合理性有两方面：其一，人类视觉系统对于超过临界频率的高速改变视觉信号无法分辨；其二，现代显示技术已经允许显示设备运行在120Hz或更高的刷新率上。因此，这种技术可以通过一个显示设备给不同的观看者显示不同的画面。

心理视觉调制显示技术在物理上可以通过高速显示设备上的若干原子图像以及与其同步的动态液晶眼睛来实现。液晶眼镜是一款挡光设备，它可以控制透过眼镜的亮度。基于心理视觉调制显示技术的高速显示设备则发射一组称为原子帧的高速图像，其发射频率高于人类视觉系统的临界频率。这些原子帧在进入人类视觉系统之前，被液晶眼镜同步地进行幅度调制，然后在人类视觉系统中融合成一个目标图像。这样一来，通过不同的液晶眼镜设备，使用者通过在、相同的显示设备上可以看到不同的画面。

在显示过程中，我们已知的是所要成像的目标图像，而如何设计原子图像以及各调制权重从本质上来说是一个非负矩阵分解问题。而事实上，由于光的能量以及液晶眼镜的调制权重不能为负值，且调制权重和图像的灰度值都有上界，心理视觉调制显示技术是一个有上界的非负矩阵分解问题。

由于传统的心理视觉调制显示技术中，裸眼视图是模糊的，这正是本发明正要解决的问题。

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，λ_sh用来控制裸眼视图质量，λ_sp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λ_sh，调制权重举证稀疏度控制系数λ_sp，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。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1是本发明实施例的原理图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。

本发明针对传统心理视觉调制技术中裸眼视图模糊的缺陷，通过增加对心理视觉调制技术的非负矩阵分解的限制，并采用分层交替最小平方分解算法，提出一个快速、有效的在心理视觉调制技术中用于实现裸眼视图的方法。

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，λ_sh用来控制裸眼视图质量，λ_sp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：

$\underset{0\≤X,W\≤1}{\min }\frac{1}{2}{\left|\right|\mathrm{sY}-\mathrm{XW}\left|\right|}_F^2$

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：

${\min }_{0\≤X,W\≤1}\frac{1}{2}{\left|\right|\mathrm{sY}-\mathrm{XW}\left|\right|}_F^2+\frac{{\mathrm{\λ}}_{\mathrm{sh}}}{2}{\left|\right|s_0{y}_0-X*1\left|\right|}_F^2+{\mathrm{\λ}}_{\mathrm{sp}}{\left|\right|W\left|\right|}_1;$

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，λ_sh用来控制裸眼视图质量，λ_sp用来控制调制权重矩阵的稀疏程度；

上述公式简化成

$\underset{0\≤X,W\≤1}{\min }\frac{1}{2}{\left|\right|s\tilde{Y}-X\tilde{W}\left|\right|}_F^2+{\mathrm{\λ}}_{\mathrm{sp}}{\left|\right|W\left|\right|}_1$

其中， $\tilde{Y}=\left[\sqrt{{\mathrm{\λ}}_{\mathrm{sh}}}{s}_0{y}_0\right|\mathrm{sY}],\tilde{W}=[\sqrt{{\mathrm{\λ}}_{\mathrm{sh}}}1\left|W\right]$

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： $X_{:p}\←{[X_{:p}+\frac{A_{:p}-X{\tilde{B}}_{:p}}{{\tilde{B}}_{\mathrm{pp}}}]}_{\left[\mathrm{0,1}\right]}$

W每一行的更新公式： $W_{:p}\←{\left[\frac{{\mathrm{sC}}_{p:}-D_{p:}W+D_{\mathrm{pp}}{W}_{p:}-{\mathrm{\λ}}_{\mathrm{sp}}{1}_{K\×1}^T}{D_{\mathrm{pp}}}\right]}_{\left[\mathrm{0,1}\right]}$

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＝X^TY，D＝X^TX，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，Z_p：代表一个向量，是矩阵Z的第p行，Z_pp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←X^TY；D←X^TX；

10)对W的第p行进行更新 $W_{:p}\←\frac{{\mathrm{sC}}_{p:}-D_{p:}W+D_{\mathrm{pp}}{W}_{p:}-{\mathrm{\λ}}_{\mathrm{sp}}{1}_{K\×1}^T}{D_{\mathrm{pp}}};$

11)将W的取值范围固定在0到1之间W_p：←min(max((W_p：，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λ_sh，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λ_sp，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λ_sh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λ_sp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

λsp

0

2

4

6

8

10

12

14

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λ_sh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λ_sh＝2。

调制权重矩阵稀疏程度控制系数λ_sp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。

Claims (5)

1.一种在心理视觉调制显示技术中实现裸眼视图的方法，其特征在于包括以下步骤：

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，并根据新的目标函数 ${\min }_{0\≤X,W\≤1}\frac{1}{2}{\left|\right|\mathrm{sY}-\mathrm{XW}\left|\right|}_F^2+\frac{{\mathrm{\λ}}_{\mathrm{sh}}}{2}{\left|\right|s_0{y}_0-X*1\left|\right|}_F^2+{\mathrm{\λ}}_{\mathrm{sp}}{\left|\right|W\left|\right|}_1,$ 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，λ_sh用来控制裸眼视图质量，λ_sp用来控制调制权重矩阵的稀疏程度；y₀是期望的到的裸眼视图向量，1是一个全为1的列向量；

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λ_sh，调制权重举证稀疏度控制系数λ_sp，使得采用基于分层最小平方非负矩阵分解的改进算法应用于不同的落裸眼和非裸眼视图的清晰度需求。

2.根据权利要求1所述的在心理视觉调制显示技术中实现裸眼视图的方法，其特征在于：第一步中：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：

$\underset{0\≤X,W\≤1}{\min }\frac{1}{2}{\left|\right|\mathrm{sY}-\mathrm{XW}\left|\right|}_F^2$

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：

${\min }_{0\≤X,W\≤1}\frac{1}{2}{\left|\right|\mathrm{sY}-\mathrm{XW}\left|\right|}_F^2+\frac{{\mathrm{\λ}}_{\mathrm{sh}}}{2}{\left|\right|s_0{y}_0-X*1\left|\right|}_F^2+{\mathrm{\λ}}_{\mathrm{sp}}{\left|\right|W\left|\right|}_1;$

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，λ_sh用来控制裸眼视图质量，λ_sp用来控制调制权重矩阵的稀疏程度；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，λ_sh用来控制裸眼视图质量，λ_sp用来控制调制权重矩阵的稀疏程度。

3.根据权利要求2所述的在心理视觉调制显示技术中实现裸眼视图的方法，其特征在于：第一步中：

所述新的目标函数：

${\min }_{0\≤X,W\≤1}\frac{1}{2}{\left|\right|\mathrm{sY}-\mathrm{XW}\left|\right|}_F^2+\frac{{\mathrm{\λ}}_{\mathrm{sh}}}{2}{\left|\right|s_0{y}_0-X*1\left|\right|}_F^2+{\mathrm{\λ}}_{\mathrm{sp}}{\left|\right|W\left|\right|}_1;$

进一步简化成

$\underset{0\≤X,W\≤1}{\min }\frac{1}{2}{\left|\right|s\tilde{Y}-X\tilde{W}\left|\right|}_F^2+{\mathrm{\λ}}_{\mathrm{sp}}{\left|\right|W\left|\right|}_1$

其中， $\tilde{Y}=\left[\sqrt{{\mathrm{\λ}}_{\mathrm{sh}}}{s}_0{y}_0\right|\mathrm{sY}],$ $\tilde{W}=\left[\sqrt{{\mathrm{\λ}}_{\mathrm{sh}}}1\right|W]$

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： $X_{:p}\←{[X_{:p}+\frac{A_{:p}-X{\tilde{B}}_{:p}}{{\tilde{B}}_{\mathrm{pp}}}]}_{\left[\mathrm{0,1}\right]}$

W每一行的更新公式： $W_{:p}\←{\left[\frac{{\mathrm{sC}}_{p:}-D_{p:}W+D_{\mathrm{pp}}{W}_{p:}-{\mathrm{\λ}}_{\mathrm{sp}}{1}_{K\×1}^T}{D_{\mathrm{pp}}}\right]}_{\left[\mathrm{0,1}\right]}$

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=X^TY，D＝X^TX，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，Z_p：代表一个向量，是矩阵Z的第p行，Z_pp代表一个数值，是矩阵Z第p行第p列的值。

4.根据权利要求3所述的在心理视觉调制显示技术中实现裸眼视图的方法，其特征在于：第二步：

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 $X_{:p}\←X_{:p}+\frac{{\tilde{A}}_{:p}-X{\tilde{B}}_{:p}}{{\tilde{B}}_{\mathrm{pp}}};$

7)将X的取值范围固定在0到1之间

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←X^TY；D←X^TX；

10)对W的第p行进行更新 $W_{:p}\←\frac{{\mathrm{sC}}_{p:}-D_{p:}W+D_{\mathrm{pp}}{W}_{p:}-{\mathrm{\λ}}_{\mathrm{sp}}{1}_{K\×1}^T}{D_{\mathrm{pp}}};$

11)将W的取值范围固定在0到1之间W_p：←min(max((W_p：，0)，1))；

12)对W的每一行重复10)和11)。

5.根据权利要求1-4任一项所述的在心理视觉调制显示技术中实现裸眼视图的方法，其特征在于：第三步：裸眼视图的清晰度和原视图的清晰度成负相关关系，通过调整第一步提出的目标函数中的几个参数来满足不同清晰度的要求：减小s来提高视图的质量，增大λ_sh来提高裸眼视图质量，增大λ_sp来提高调制权重矩阵的稀疏程度。