阅读笔记：A Visual Comfort Assessment Approach of Stereoscopic Images based on Random Forest Regressor

基于随机森林回归的立体图像舒适度预测方法

数据库：NBU S3D-VCA和IVY
框图：
输入原始图像，用频谱残差的方法得到saliency图，用光流法得到disparity图，二者线性融合得到3D saliency图，二值化得到VIR图，用随机森林的方法融合视差和图像内容特征，最后预测。
特征种类：
内容特征：图像对比度

灰阶值之差的平方乘以灰度值之差
纹理:
熵值，能量，标准差



mean是整个图像像素的均值。
空间频率：

HF,VF,DF分别表示水平，垂直，对角线的频率。
视差特征

F1~F5分别代表视差大小，分散度，偏度，最大值，最小值。

F6：视差均值。SVIR：对VIR图作形态学操作

视差变化。x:水平梯度值。y:垂直梯度值。
实验部分：
回归方法：随机森林
1.回归方法的选取
2.决策树的数量确定

3.与其他人方法的对比结果

这是在IVY数据库上的实验结果。没有另一个数据库是因为NBU被当作了训练集，这个是测试集。