基于SpPccs的虚拟场景和实景视频融合算法制造技术

本发明专利技术提出了基于SpPccs的虚拟场景和实景视频融合算法。该算法首先以虚拟场景和实景视频为样本并作均匀分块处理，训练出稀疏表达基，然后以稀疏表达基为投影空间利用子空间追踪算法分别对虚拟场景和实景视频进行稀疏映射，最后使用计算各个块的皮尔逊积矩相关系数，建立了以SP算法为核心的SpPccs的视频融合算法，对虚拟场景和真实视频场景进行有效融合。

【技术实现步骤摘要】
基于SpPccs的虚拟场景和实景视频融合算法
本专利技术涉及虚拟场景和实景视频融合，特别设计基于SpPccs的虚拟场景和实景视频融合算法。
技术介绍
近年来，随着字典学习技术与空间投影技术的不断进步，空间投影技术已经被应用到了诸多领域。随着科学发展，虚拟场景和实景视频融合技术在诸多领域中得到了广泛的应用，例如视频特效渲染，AR技术等。但虚拟场景和实景视频融合技术在复杂视频的融合拼接环境下仍然面临着巨大的挑战。融合错误将给用户带来差的体验。因此，亟待提出一种虚拟场景和实景视频融合技术，来突破目前虚拟场景和实景视频融合技术瓶颈。
技术实现思路
为了解决上述存在问题。本专利技术提出基于SpPccs的虚拟场景和实景视频融合算法，对虚拟场景和实景视频进行皮尔逊积矩相关系数的度量，能够实现虚拟场景与实景视频的高精度融合，为达此目的：本专利技术提出基于SpPccs的虚拟场景和实景视频融合算法，具体步骤如下：步骤1：对虚拟场景和真实视频的单帧图像进行均匀分块处理；步骤2：以虚拟场景和真实视频图像为训练数据集，本文档来自技高网...

【技术保护点】
1.基于SpPccs的虚拟场景和实景视频融合算法，SpPccs算法具体步骤如下，其特征在于,/n步骤1：对虚拟场景和真实视频的单帧图像进行均匀分块处理；/n步骤2：以虚拟场景和真实视频图像为训练数据集，使用字典学习算法训练出数据的稀疏基Ψ；/n步骤3：以稀疏基Ψ为投影空间，使用子空间追踪算法，计算虚拟场景和真实视频图像帧的稀疏系数；/n步骤4：对虚拟场景和真实视频图像的稀疏系数计算皮尔逊积矩相关系数；/n步骤5：找到虚拟场景和真实视频图像的稀疏系数的相关系数最大处，进行虚拟场景和实景视频融合。/n

【技术特征摘要】
1.基于SpPccs的虚拟场景和实景视频融合算法，SpPccs算法具体步骤如下，其特征在于,
步骤1：对虚拟场景和真实视频的单帧图像进行均匀分块处理；
步骤2：以虚拟场景和真实视频图像为训练数据集，使用字典学习算法训练出数据的稀疏基Ψ；
步骤3：以稀疏基Ψ为投影空间，使用子空间追踪算法，计算虚拟场景和真实视频图像帧的稀疏系数；
步骤4：对虚拟场景和真实视频图像的稀疏系数计算皮尔逊积矩相关系数；
步骤5：找到虚拟场景和真实视频图像的稀疏系数的相关系数最大处，进行虚拟场景和实景视频融合。


2.根据权利要求1所述的基于SpPccs的虚拟场景和实景视频融合算法，其特征在于；
所述步骤1中，虚拟场景和真实视频的单帧图像进行均匀分块的尺寸与虚拟场景的尺寸有关计算公式为



其中，floor(•)是向下取整函数，N是单个虚拟场景的方形图像尺寸，M代表虚拟场景和真实视频均匀分块的尺寸，虚拟场景和真实视频被分为M×M的均匀块，且被拉伸为一维向量，向量尺寸为MM×1。


3...

【专利技术属性】
技术研发人员：韩宇，
申请(专利权)人：南京魔鱼互动智能科技有限公司，
类型：发明
国别省市：江苏;32