在心理視覺調(diào)制技術(shù)中用于實(shí)現(xiàn)裸眼視圖的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及的是一種圖像和信號(hào)顯示領(lǐng)域的系統(tǒng)，具體是一種在屯、理視覺調(diào)制技 術(shù)中用于實(shí)現(xiàn)裸眼視圖的方法。
【背景技術(shù)】
[0002] 屯、理視覺調(diào)制顯示技術(shù)是一種新型的顯示技術(shù)，它利用了人類視覺系統(tǒng)相對(duì)低的 時(shí)間分辨率，通過(guò)信號(hào)的分解和融合。屯、理視覺調(diào)制顯示技術(shù)的合理性有兩方面：其一，人 類視覺系統(tǒng)對(duì)于超過(guò)臨界頻率的高速改變視覺信號(hào)無(wú)法分辨；其二，現(xiàn)代顯示技術(shù)已經(jīng)允 許顯示設(shè)備運(yùn)行在120化或更高的刷新率上。因此，該種技術(shù)可W通過(guò)一個(gè)顯示設(shè)備給不 同的觀看者顯示不同的畫面。
[0003] 屯、理視覺調(diào)制顯示技術(shù)在物理上可W通過(guò)高速顯示設(shè)備上的若干原子圖像W及 與其同步的動(dòng)態(tài)液晶眼睛來(lái)實(shí)現(xiàn)。液晶眼鏡是一款擋光設(shè)備，它可W控制透過(guò)眼鏡的亮度。 基于屯、理視覺調(diào)制顯示技術(shù)的高速顯示設(shè)備則發(fā)射一組稱為原子帖的高速圖像，其發(fā)射頻 率高于人類視覺系統(tǒng)的臨界頻率。該些原子帖在進(jìn)入人類視覺系統(tǒng)之前，被液晶眼鏡同步 地進(jìn)行幅度調(diào)制，然后在人類視覺系統(tǒng)中融合成一個(gè)目標(biāo)圖像。該樣一來(lái)，通過(guò)不同的液晶 眼鏡設(shè)備，使用者通過(guò)在、相同的顯示設(shè)備上可W看到不同的畫面。
[0004] 在顯示過(guò)程中，我們已知的是所要成像的目標(biāo)圖像，而如何設(shè)計(jì)原子圖像W及各 調(diào)制權(quán)重從本質(zhì)上來(lái)說(shuō)是一個(gè)非負(fù)矩陣分解問(wèn)題。而事實(shí)上，由于光的能量W及液晶眼鏡 的調(diào)制權(quán)重不能為負(fù)值，且調(diào)制權(quán)重和圖像的灰度值都有上界，屯、理視覺調(diào)制顯示技術(shù)是 一個(gè)有上界的非負(fù)矩陣分解問(wèn)題。
[0005] 由于傳統(tǒng)的屯、理視覺調(diào)制顯示技術(shù)中，裸眼視圖是模糊的，該正是本發(fā)明正要解 決的問(wèn)題。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明針對(duì)現(xiàn)有技術(shù)存在的裸眼視圖模糊的缺陷，提出了一種在屯、理視覺調(diào)制技 術(shù)中用于實(shí)現(xiàn)裸眼視圖的方法，采用基于分層最小平方非負(fù)矩陣分解的改進(jìn)算法，可W為 屯、理視覺調(diào)制顯示技術(shù)提供一個(gè)清晰的裸眼視圖。
[0007] 本發(fā)明根據(jù)現(xiàn)有屯、理視覺調(diào)制顯示技術(shù)的目標(biāo)函數(shù)，結(jié)合裸眼視圖的要求，提出 新的目標(biāo)函數(shù)。同時(shí)，在當(dāng)前先進(jìn)的分層最小平方非負(fù)矩陣分解方法的基礎(chǔ)上，做出一定的 調(diào)整，使之適應(yīng)新提出的目標(biāo)函數(shù)。從而，提出了一種快速、有效的非負(fù)矩陣分解算法，使得 屯、理視覺調(diào)制顯示技術(shù)能夠?yàn)槭褂谜咛峁┮粋€(gè)清晰的裸眼視圖。另外，根據(jù)使用場(chǎng)景的不 同，通過(guò)對(duì)新提出的目標(biāo)函數(shù)中各參數(shù)的調(diào)整，可W控制裸眼視圖和非裸眼視圖的清晰度 W適用于不同的場(chǎng)合。
[0008] 本發(fā)明是通過(guò)W下技術(shù)方案實(shí)現(xiàn)的，本發(fā)明包括W下步驟：
[0009] 第一步、基于傳統(tǒng)屯、理調(diào)制顯示技術(shù)中的非負(fù)矩陣分解目標(biāo)函數(shù)，考慮裸眼需求， 提出新的目標(biāo)函數(shù)，用W實(shí)現(xiàn)裸眼視圖；
[0010] 將圖像帖列向量化，得到目標(biāo)呈現(xiàn)的裸眼視圖向量和非裸眼視圖矩陣，并根據(jù)
用W實(shí)現(xiàn)裸眼視圖，其中，S是非裸 眼視圖光強(qiáng)系數(shù)，取值大于1 ;Y是需要進(jìn)行分解的圖像矩陣；X是分解得到的原子帖；W是 分解得到的調(diào)制權(quán)重矩陣；S。是裸眼視圖光強(qiáng)系數(shù)，Ash用來(lái)控制裸眼視圖質(zhì)量，ASP用來(lái) 控制調(diào)制權(quán)重矩陣的稀疏程度；
[0011] 第二步、基于現(xiàn)有的分層最小平方的非負(fù)矩陣解法，對(duì)其做出調(diào)整W適用于步驟 一中新提出的目標(biāo)函數(shù)，從而提出采用基于分層最小平方非負(fù)矩陣分解的改進(jìn)算法，用W 求解在第一步中提出的目標(biāo)函數(shù)。
[0012] 第S步、調(diào)整第一步中目標(biāo)函數(shù)的參數(shù)選擇，包括非裸眼視圖光強(qiáng)系數(shù)S，裸眼視 圖光強(qiáng)系數(shù)S。，裸眼視圖質(zhì)量控制系數(shù)Ash,調(diào)制權(quán)重舉證稀疏度控制系數(shù)Asp,使得采用 基于分層最小平方非負(fù)矩陣分解的改進(jìn)算法可W應(yīng)用于不同的落裸眼和非裸眼視圖的清 晰度需求。
[0013]與現(xiàn)有技術(shù)相比，本發(fā)明具有W下有益效果：
[0014] 本發(fā)明的原理是，考慮到原有屯、理視覺調(diào)制技術(shù)的求解，對(duì)一組高速的原子帖的 線性組合并沒有任何要求，使得裸眼視圖呈現(xiàn)模糊的圖像。在引入該限制后，通過(guò)對(duì)新目標(biāo) 的求解，可W讓原子帖直接的線性組合呈現(xiàn)出清晰的圖像。
【附圖說(shuō)明】
[0015] 通過(guò)閱讀參照W下附圖對(duì)非限制性實(shí)施例所作的詳細(xì)描述，本發(fā)明的其它特征、 目的和優(yōu)點(diǎn)將會(huì)變得更明顯：
[0016] 圖1是本發(fā)明實(shí)施例的原理圖。
【具體實(shí)施方式】
[0017] 下面結(jié)合具體實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)說(shuō)明。W下實(shí)施例將有助于本領(lǐng)域的技術(shù) 人員進(jìn)一步理解本發(fā)明，但不W任何形式限制本發(fā)明。應(yīng)當(dāng)指出的是，對(duì)本領(lǐng)域的普通技術(shù) 人員來(lái)說(shuō)，在不脫離本發(fā)明構(gòu)思的前提下，還可W做出若干變形和改進(jìn)。該些都屬于本發(fā)明 的保護(hù)范圍。
[0018] 本發(fā)明針對(duì)傳統(tǒng)屯、理視覺調(diào)制技術(shù)中裸眼視圖模糊的缺陷，通過(guò)增加對(duì)屯、理視覺 調(diào)制技術(shù)的非負(fù)矩陣分解的限制，并采用分層交替最小平方分解算法，提出一個(gè)快速、有效 的在屯、理視覺調(diào)制技術(shù)中用于實(shí)現(xiàn)裸眼視圖的方法。
[001引實(shí)施例；
[0020] 第一步、將圖像帖列向量化，得到目標(biāo)呈現(xiàn)的裸眼視圖向量和非裸眼視圖矩陣，并 根據(jù)，
；其中，S是非裸眼視圖光 強(qiáng)系數(shù)，取值大于1。Y是需要進(jìn)行分解的圖像矩陣。X是分解得到的原子帖。W是分解得 到的調(diào)制權(quán)重矩陣。S。是裸眼視圖光強(qiáng)系數(shù)，Ash用來(lái)控制裸眼視圖質(zhì)量，ASP用來(lái)控制調(diào) 制權(quán)重矩陣的稀疏程度。
[0021]本步驟中；所述傳統(tǒng)屯、理調(diào)制顯示技術(shù)中的非負(fù)矩陣分解目標(biāo)函數(shù)為：
[0022]
[0023] 其中，s是非裸眼視圖光強(qiáng)系數(shù)，取值大于1 ;Y是需要進(jìn)行分解的圖像矩陣；X是 分解得到的原子帖；W是分解得到的調(diào)制權(quán)重矩陣；
[0024] 所述新的目標(biāo)函數(shù)為：
[00 巧]
[002引其中，y。是期望的到的裸眼視圖向量，1是一個(gè)全為1的列向量，S。是裸眼視圖光 強(qiáng)系數(shù)，A&用來(lái)控制裸眼視圖質(zhì)量，AW用來(lái)控制調(diào)制權(quán)重矩陣的稀疏程度；
[0027] 上述公式簡(jiǎn)化成
[0030] 根據(jù)分層最小平方非負(fù)矩陣分解的解法，固定X更新W的每一行，然后固定W更新 X的每一列：
[003引其中，凹t。,1尸min(max狂，0)，1)，min是指取兩者中的較小值，max是指取兩者中 的較大值；K味復(fù)=砍#T，該兩個(gè)矩陣是用來(lái)更新X，因此在每次更新X之前都要 先更新A和知C=xTy，D=XTX，該兩個(gè)矩陣是用來(lái)更新W，因此在每次更新W之前都要先 更新C和D;Z。代表一個(gè)向量，是矩陣Z的第P列，ZP,代表一個(gè)向量，是矩陣Z的第P行，Zpp代表一個(gè)數(shù)值，是矩陣Z第P行第P列的值。
[0034] 參數(shù)估計(jì)流程見圖1。
[0035] 第二步、根據(jù)改進(jìn)的分層最小平方非負(fù)矩陣分解算法，對(duì)第一步的目標(biāo)函數(shù)進(jìn)行 求解，具體如下：
[003引1)初始化非負(fù)矩陣W G吸mxk,xe脫WXM，N是裸眼視圖的像素大小，M是原子帖 個(gè)數(shù)，K是裸眼視圖的個(gè)數(shù)；
[004引7)將X的取值范圍固定在0到1之間X。一min(max(狂。，0)，1));
[0043] 8)對(duì)X的每一列重復(fù)6)和7);
[0044] 9)更新輔助矩陣，用于更新