【技术实现步骤摘要】
本专利技术涉及图像处理
,具体涉及一种基于三维自组织映射的立体视频视差估计方法。
技术介绍
视差估计作为立体视频编码的关键技术,已经得到越来越多的重视和关注,各种算法也相继提出。传统视差估计算法大致可分为两大类,一类是基于区域的视差估计,即把图像中的某一点或某一块作为基本匹配单元,在另一幅图像中搜索对应的点或块,从而得到各个点的视差,这类算法可以得到稠密的视差估计。根据匹配策略的不同,基于区域的视差估计可以分为局部法和全局法。代表性的局部法是基于块的方法,实现复杂度低。代表性的全局算法有动态规划法、图割法和置信度传播法等。全局法能得到比局部法更好的结果,但是其计算复杂度高,不便于硬件实现。另一类是基于特征的视差估计,即利用图像的自身特征来实现匹配,这些特征包括一些特征点(如SIFT关键点等)或几何结构。此类算法只能得到稀疏的视差估计,且特征的提取比较复杂。可见,目前视差估计技术仍未成熟,没有一种具有普适性的视差估计方法,而且计算量巨大。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于三维自组织映射的立体视频视差估计方法,其能提高视差预测图像的质量。为解决上述问题,本专利技术是通过以下技术方案实现的:一种基于三维自组织映射的立体视频视差估计方法,包括如下步骤:步骤1、对视差序列样本进行不断学习训练,得到最佳匹配模式库;步骤1.1、对视差序列样本的每帧图像进行分块,每个图像块为一个训练矢量,共得到含L个训练矢量的训练矢量集;步骤1.2、从训练矢量集中选择N个训练矢量来构成初始化模式库,该初始模式库中的训练矢量称为模式矢量,且初始模式库中的模式矢量 ...
【技术保护点】
基于三维自组织映射的立体视频视差估计方法,其特征是,包括如下步骤:步骤1、对视差序列样本进行不断学习训练,得到最佳匹配模式库;步骤1.1、对视差序列样本的每帧图像进行分块,每个图像块为一个训练矢量,共得到含L个训练矢量的训练矢量集;步骤1.2、从训练矢量集中选择N个训练矢量来构成初始化模式库,该初始模式库中的训练矢量称为模式矢量,且初始模式库中的模式矢量排列成三维立体结构;上述N<<L;步骤1.3、设定初始化邻域函数;步骤1.4、输入一个训练矢量,并分别计算该训练矢量与初始模式库中的各个模式矢量的失真,从中选择出与训练矢量失真最小的模式矢量作为获胜模式矢量;步骤1.5、调整获胜模式矢量及其三维邻域范围内的模式矢量;步骤1.6、返回步骤步骤1.3重新选择一个训练矢量,直到输入完所有的训练矢量,得到最佳匹配模式库;步骤2、对待估计的视差序列的每帧图像进行分块处理,并将这些待估计图像块与最佳匹配模式库中的模式矢量进行视差模式匹配,得到待估计的视差序列的预测图。
【技术特征摘要】
1.基于三维自组织映射的立体视频视差估计方法,其特征是,包括如下步骤:步骤1、对视差序列样本进行不断学习训练,得到最佳匹配模式库;步骤1.1、对视差序列样本的每帧图像进行分块,每个图像块为一个训练矢量,共得到含L个训练矢量的训练矢量集;步骤1.2、从训练矢量集中选择N个训练矢量来构成初始化模式库,该初始模式库中的训练矢量称为模式矢量,且初始模式库中的模式矢量排列成三维立体结构;上述N<<L;步骤1.3、设定初始化邻域函数;步骤1.4、输入一个训练矢量,并分别计算该训练矢量与初始模式库中的各个模式矢量的失真,从中选择出与训练矢量失真最小的模式矢量作为获胜模式矢量;步骤1.5、调整获胜模式矢量及其三维邻域范围内的模式矢量;步骤1.6、返回步骤步骤1.3重新选择一个训练矢量,直到输入完所有的训练矢量,得到最佳匹配模式库;步骤2、对待估计的视差序列的每帧图像进行分块处理,并将这些待估计图像块与最佳匹配模式库中的模式矢量进行视差模式匹配,得到待估计的视差序列的预测图。2.根据权利要求1所述基于三维自组织映射的立体视频视差估计方法,其特征是,步骤1.2中,采用随机法从训练矢量集中选择N个训练矢量来构成初始模式库。3.根据权利要求1所述基于三维自组织映射的立体视频视差估计方法,其特征是,步骤1.4中,采用下式计算训...
【专利技术属性】
技术研发人员:黎洪松,程福林,
申请(专利权)人:桂林电子科技大学,
类型:发明
国别省市:广西;45
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。