摘要
本申请提供了一种三维点云的恰可察觉失真阈值预测方法及产品,具体实现方案为:基于参考点云及相应的失真点云提取三维纹理特征;将参考点云及失真点云分别进行多视角投影处理,得到多个不同视角的二维投影图像;基于参考点云及失真点云的二维投影图像,提取二维纹理特征;将三维纹理特征和二维纹理特征进行拼接得到特征向量,并基于机器学习算法学习得到特征向量与恰可察觉失真阈值的映射关系。通过本申请方案的实施,将点云三维特征和二维特征拼接后通过机器学习来建立特征向量与恰可察觉失真阈值的映射关系,构建了具有较高精度的三维点云恰可察觉失真阈值预测模型,可为三维点云编码提供有效指示,保证了编码后点云的视觉质量。
技术关键词
阈值预测方法
三维纹理特征
机器学习算法
复杂度特征
邻域
纹理掩蔽
直方图
指数
像素
颜色
亮度
多视角
关系
点云编码
处理器
可读存储介质
系统为您推荐了相关专利信息
时序
悬臂
自动控制方法
一维卷积神经网络
斗轮机
时间序列形式
ARIMA模型
节假日效应
碳排放管理
时间序列模型
评价方法
深远海养殖
层级
气候监测设备
远程环境监测