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】
[0001] 本发明设及的是一种图像和信号显示领域的系统，具体是一种在屯、理视觉调制技 术中用于实现裸眼视图的方法。
【背景技术】
[0002] 屯、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。屯、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120化或更高的刷新率上。因此，该种技术可W通过一个显示设备给不 同的观看者显示不同的画面。
[0003] 屯、理视觉调制显示技术在物理上可W通过高速显示设备上的若干原子图像W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W控制透过眼镜的亮度。 基于屯、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帖的高速图像，其发射频 率高于人类视觉系统的临界频率。该些原子帖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。该样一来，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W看到不同的画面。
[0004] 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W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W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，屯、理视觉调制显示技术是 一个有上界的非负矩阵分解问题。
[0005] 由于传统的屯、理视觉调制显示技术中，裸眼视图是模糊的，该正是本发明正要解 决的问题。
【发明内容】
[0006] 本发明针对现有技术存在的裸眼视图模糊的缺陷，提出了一种在屯、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W为 屯、理视觉调制显示技术提供一个清晰的裸眼视图。
[0007] 本发明根据现有屯、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 屯、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W控制裸眼视图和非裸眼视图的清晰度 W适用于不同的场合。
[0008] 本发明是通过W下技术方案实现的，本发明包括W下步骤：
[0009] 第一步、基于传统屯、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W实现裸眼视图；
[0010] 将图像帖列向量化，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W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是分解得到的原子帖；W是 分解得到的调制权重矩阵；S。是裸眼视图光强系数，Ash用来控制裸眼视图质量，ASP用来 控制调制权重矩阵的稀疏程度；
[0011] 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W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W 求解在第一步中提出的目标函数。
[0012] 第S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S。，裸眼视图质量控制系数Ash,调制权重举证稀疏度控制系数Asp,使得采用 基于分层最小平方非负矩阵分解的改进算法可W应用于不同的落裸眼和非裸眼视图的清 晰度需求。
[0013]与现有技术相比，本发明具有W下有益效果：
[0014] 本发明的原理是，考虑到原有屯、理视觉调制技术的求解，对一组高速的原子帖的 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W让原子帖直接的线性组合呈现出清晰的图像。
【附图说明】
[0015] 通过阅读参照W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：
[0016] 图1是本发明实施例的原理图。
【具体实施方式】
[0017] 下面结合具体实施例对本发明进行详细说明。W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W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W做出若干变形和改进。该些都属于本发明 的保护范围。
[0018] 本发明针对传统屯、理视觉调制技术中裸眼视图模糊的缺陷，通过增加对屯、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 的在屯、理视觉调制技术中用于实现裸眼视图的方法。
[001引实施例；
[0020] 第一步、将图像帖列向量化，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是分解得到的原子帖。W是分解得 到的调制权重矩阵。S。是裸眼视图光强系数，Ash用来控制裸眼视图质量，ASP用来控制调 制权重矩阵的稀疏程度。
[0021]本步骤中；所述传统屯、理调制显示技术中的非负矩阵分解目标函数为：
[0022]
[0023] 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 分解得到的原子帖；W是分解得到的调制权重矩阵；
[0024] 所述新的目标函数为：
[00 巧]
[002引其中，y。是期望的到的裸眼视图向量，1是一个全为1的列向量，S。是裸眼视图光 强系数，A&用来控制裸眼视图质量，AW用来控制调制权重矩阵的稀疏程度；
[0027] 上述公式简化成
[0030] 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：
[003引其中，凹t。,1尸min(max狂，0)，1)，min是指取两者中的较小值，max是指取两者中 的较大值；K味复=砍#T，该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A和知C=xTy，D=XTX，该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。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。
[0034] 参数估计流程见图1。
[0035] 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：
[003引1)初始化非负矩阵W G吸mxk,xe脫WXM，N是裸眼视图的像素大小，M是原子帖 个数，K是裸眼视图的个数；
[004引7)将X的取值范围固定在0到1之间X。一min(max(狂。，0)，1));
[0043] 8)对X的每一列重复6)和7);
[0044] 9)更新辅助矩阵，用于更新