[發明專利]一種基于視覺顯著度的自適應下采樣深度圖壓縮方法在審
| 申請號： | 201711443366.6 | 申請日： | 2017-12-27 |
| 公開（公告）號： | CN108200430A | 公開（公告）日： | 2018-06-22 |
| 發明（設計）人： | 喻莉;徐嘯宇 | 申請（專利權）人： | 華中科技大學 |
| 主分類號： | H04N19/132 | 分類號： | H04N19/132;H04N19/176;H04N19/597;H04N19/96 |
| 代理公司： | 華中科技大學專利中心 42201 | 代理人： | 廖盈春;李智 |
| 地址： | 430074 湖北*** | 國省代碼： | 湖北;42 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 深度圖 顯著度 采樣率 分塊 自適應 深度圖壓縮 映射關系 下采樣 顯著圖 視覺 多媒體信息技術 視覺注意力 邊緣鋸齒 邊緣模糊 邊緣區域 紋理圖 壓縮率 圖像 壓縮 吸引 保證 | ||
1.一種基于視覺顯著度的自適應下采樣深度圖壓縮方法，其特征在于，所述方法包括：
(1)對深度圖對應的紋理圖進行顯著度提取，得到顯著圖；
(2)對深度圖進行自適應分塊，區分圖中邊緣區域和平滑區域；
(3)由顯著圖和深度圖的映射關系計算深度圖分塊的平均顯著度，再由顯著度與采樣率之間的映射關系計算深度圖分塊的采樣率，最后根據深度圖各個分塊的采樣率對深度圖進行壓縮。
2.根據權利要求1所述的一種基于視覺顯著度的自適應下采樣深度圖壓縮方法，其特征在于，所述步驟(1)具體包括：
(11)提取紋理圖I的特征向量，生成特征圖M；
(12)連接特征圖M中每個點得到有向圖GA，為有向圖GA中每條邊分配一個權重w1，權重w1在有向圖GA上進行隨機游走，得到激勵圖A；
(13)連接激勵圖A中每個點得到有向圖GN，為有向圖GN中每條邊分配一個權重w2，將w2歸一化，根據歸一化后的權重w2在激勵圖A上進行隨機游走，得到顯著圖SM。
3.根據權利要求1所述的一種基于視覺顯著度的自適應下采樣深度圖壓縮方法，其特征在于，所述步驟(2)具體為：將深度圖進行四叉樹分塊，若某個分塊區域的灰度值小于灰度閾值或某個分塊區域的尺寸小于尺寸閾值，則該分塊停止繼續分塊，否則繼續進行分塊。
4.根據權利要求1所述的一種基于視覺顯著度的自適應下采樣深度圖壓縮方法，其特征在于，所述步驟(3)具體包括：
(31)由顯著圖SM和深度圖的映射關系計算深度圖分塊的平均顯著度Si；
(32)由顯著度與采樣率之間的映射關系計算深度圖分塊的采樣率SRi；
(33)根據深度圖各個分塊的采樣率對深度圖進行壓縮。
5.根據權利要求1或2所述的一種基于視覺顯著度的自適應下采樣深度圖壓縮方法，其特征在于，所述步驟(11)中提取紋理圖I的特征向量具體為：在多個通道上對紋理圖I提取特征向量；所述多個通道包括顏色，方向和亮度。
6.根據權利要求1或2所述的一種基于視覺顯著度的自適應下采樣深度圖壓縮方法，其特征在于，所述步驟(12)中為有向圖GA中每條邊分配一個權重w1具體為：
其中，(i，j)和(p，q)表示邊的兩端點；σ表示權重影響系數。
7.根據權利要求1、2或6所述的一種基于視覺顯著度的自適應下采樣深度圖壓縮方法，其特征在于，所述步驟(13)中為有向圖GN中每條邊分配一個權重w2具體為：
其中，(i，j)和(p，q)表示邊的兩端點。
8.根據權利要求1或4所述的一種基于視覺顯著度的自適應下采樣深度圖壓縮方法，其特征在于，所述步驟(31)中深度圖分塊的平均顯著度Si具體為：
其中，M和N表示深度圖分塊的尺寸。
9.根據權利要求1、4或8所述的一種基于視覺顯著度的自適應下采樣深度圖壓縮方法，其特征在于，所述步驟(32)中深度圖分塊的采樣率SRi具體為：
其中，SRmax和SRmin分別為深度圖的最大采樣率設定值和最小采樣率設定值；T是分塊尺寸參數；Savg表示深度圖的全圖平均顯著度。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于華中科技大學，未經華中科技大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201711443366.6/1.html，轉載請聲明來源鉆瓜專利網。
