一种基于网格区域划分的深度图像优化方法及系统技术方案

本发明专利技术涉及计算机视觉技术领域，实施例具体公开一种基于网格区域划分的深度图像优化方法及系统，通过获取目标物体的初始深度图像，将初始深度图像划分为若干个网格区域，对各个网格区域进行深度值优化获得优化后的深度图像，判断优化后的深度图像是否达到预设图像标准，若否，则将初始深度图像的各个网格区域再划分为若干个网格区域，再对各个网格区域进行深度值优化，通过反复的划分和优化直到优化后的深度图像达到预设图像标准，即获得目标物体的最终深度图像。解决了目前深度优化方法计算量大效率低的问题，实现了将目标物体的深度图像经过网格划分，由粗到精的进行优化计算，在计算时间与优化精度上都达到一种较好的平衡关系。

A Method and System of Depth Image Optimization Based on Mesh Region Partition

The invention relates to the field of computer vision technology. The embodiment specifically discloses a depth image optimization method and system based on mesh region partition. By obtaining the initial depth image of the target object, the initial depth image is divided into several mesh regions, and the optimized depth image is obtained by optimizing the depth value of each mesh region to determine whether the optimized depth image is or not. If not, each mesh area of the initial depth image is divided into several mesh areas, and then the depth of each mesh area is optimized. The final depth image of the target object is obtained by dividing and optimizing the depth image repeatedly until the optimized depth image reaches the preset image standard. This method solves the problem of large amount of calculation and low efficiency of current depth optimization methods, and achieves a better balance between calculation time and optimization accuracy by dividing the depth image of the target object into meshes and optimizing calculation from rough to precise.

【技术实现步骤摘要】
一种基于网格区域划分的深度图像优化方法及系统
本专利技术涉及计算机视觉
，属于三维重建的深度处理方面，具体涉及一种基于网格区域划分的深度图像优化方法及系统。
技术介绍
深度图像是指物体纵向深度值代替灰度图像的灰度级形成的图像它独立于光照及物体表面的反射特性，与灰度图像相比，没有光照阴影以及物体光滑表面上纹理所产生的困扰，所以可以得到更加可靠的三维信息。正因为如此，深度图像越来越受到计算机视觉，图像处理等领域的重视。目前深度图像的获取可分为主动式与被动式，主动式主要是通过向目标物体发射激光，电磁波等能量束，通过检测回波来计算深度距离；被动式主要是利用成像，通过某种算法来计算深度距离，即常说的计算机立体视觉，一般根据图像多少采用单目立体视觉，双目立体视觉及多目立体视觉。一般来讲，主动式得到的结果更加精确，但是受主动式设备的限制，且价格比较昂贵，所以应用场景比较受限制；被动式往往只需要得到图像就可得到深度图，无需过多的设备，但是因为图像质量对于算法的结果影响很大，所以得到的深度图一般来讲效果都不是很好，需要进行进一步深度值优化。传统的深度值优化会针对每一个像素点而言，这样的话计算量很大。
技术实现思路
有鉴于此，本申请提供一种深度优化方法及系统，针对获取到物体的初始深度图像进行优化处理，使之达到我们的应用要求。为解决以上技术问题，本专利技术提供的技术方案是一种基于网格区域划分的深度图像优化方法，包括：S01：获取目标物体的初始深度图像；S02：将所述初始深度图像划分为若干个网格区域；S03：对所述初始深度图像的各个网格区域进行深度值优化，获得优化后的深度图像；S04：判断所述优化后的深度图像是否达到预设图像标准，若否，则进入步骤S05，若是，则所述优化后的深度图像为目标物体的最终深度图像；S05：将所述初始深度图像的各个网格区域再划分为若干个网格区域，进入步骤S03。优选地，所述步骤S02中，将所述初始深度图像划分为若干个网格区域的方法，包括：采用k-means算法将所述初始深度图像划分为若干个网格区域。优选地，所述步骤S03中，对所述初始深度图像的各个网格区域进行深度值优化的方法，包括：采用SPGD算法对所述初始深度图像的各个网格区域进行深度值优化。优选地，所述采用SPGD算法对所述初始深度图像的各个网格区域进行深度值优化的方法，包括：构造所述初始深度图像关于深度值的代价函数J，所述初始深度图像是关于矢量u＝(u1，u2，u3…uN)的函数，即J(u)＝J(u1，u2，u3…uN)，N为划分的网格区域数；对所述代价函数J的所有变量同时施加双边扰动，计算所述代价函数J值，正向扰动公式为{+δuj(n)/2}，负向扰动公式为{-δuj(n)/2}，所述代价函数J值计算公式为δJ(n)＝δJ+(n)-δJ-(n)，其中，上标n代表n次扰动，即迭代公式为其中μ为迭代步长，δ为扰动大小；判断所述代价函数J值是否小于预设阈值，若是，则所述初始深度图像在当前网格区域数量下停止迭代流程，若否，则所述初始深度图像在当前网格区域数量下继续迭代流程。优选地，所述采用SPGD算法对所述初始深度图像的各个网格区域进行深度值优化的方法，还包括：当δJ/J大于预设最大扰动阈值时，减小扰动幅度，同时增大迭代步长；当δJ/J小于预设最小扰动阈值时，增大扰动幅度，同时减小迭代步长。优选地，所述步骤S05中，将所述初始深度图像的各个网格区域再划分为若干个网格区域的方法，包括：采用k-means算法将所述初始深度图像的各个网格区域再划分为若干个网格区域。本专利技术还提供一种基于网格区域划分的深度图像优化系统，包括：初始深度图像获取模块，用于获取目标物体的初始深度图像；初始深度图像划分模块，用于将所述初始深度图像划分为若干个网格区域；网格区域深度值优化模块，用于对所述初始深度图像的各个网格区域进行深度值优化，获得优化后的深度图像；优化后深度图像判断模块，用于判断所述优化后的深度图像是否达到预设图像标准，若否，则进入初始深度图像再划分模块，若是，则所述优化后的深度图像为目标物体的最终深度图像；初始深度图像再划分模块，用于将所述初始深度图像的各个网格区域再划分为若干个网格区域，分割完成后进入网格区域深度值优化模块。优选地，所述初始深度图像划分模块包括k-means算法单元，所述k-means算法单元用于采用k-means算法将所述初始深度图像划分为若干个网格区域。优选地，所述网格区域深度值优化模块包括SPGD算法单元，所述SPGD算法单元用于采用SPGD算法对所述初始深度图像的各个网格区域进行深度值优化。优选地，所述SPGD算法单元包括：代价函数构造组件，用于构造所述初始深度图像关于深度值的代价函数J，所述初始深度图像是关于矢量u＝(u1，u2，u3…uN)的函数，即J(u)＝J(u1，u2，u3…uN)，N为划分的网格区域数；扰动计算组件，用于所述对代价函数J的所有变量同时施加双边扰动，计算所述代价函数J值，正向扰动公式为{+δuj(n)/2}，负向扰动公式为{-δuj(n)/2}，所述代价函数J值计算公式为δJ(n)＝δJ+(n)-δJ-(n)，其中，上标n代表n次扰动，即迭代公式为其中μ为迭代步长，δ为扰动大小；迭代判断组件，用于判断所述代价函数J值是否小于预设阈值，若是，则所述初始深度图像在当前网格区域数量下停止迭代流程，若否，则所述初始深度图像在当前网格区域数量下继续迭代流程。本申请与现有技术相比，其有益效果详细说明如下：本专利技术实施例提供的基于网格区域划分的深度图像优化方法及系统，通过获取目标物体的初始深度图像，将初始深度图像划分为若干个网格区域，对各个网格区域进行深度值优化，获得优化后的深度图像，判断优化后的深度图像是否达到预设图像标准，若否，则将初始深度图像的各个网格区域再划分为若干个网格区域，再对初始深度图像的各个网格区域进行深度值优化，通过反复的划分和优化直到优化后的深度图像达到预设图像标准，即获得目标物体的最终深度图像。解决了现有的深度优化方法计算量大效率低的问题，实现了将目标物体的深度图像进行网格划分，由粗到精的进行优化计算，在计算时间与优化精度上都达到一种较好的平衡关系。附图说明图1为本专利技术实施例一基于网格区域划分的深度图像优化方法流程示意图；图2为本专利技术实施例二基于网格区域划分的深度图像优化方法流程示意图；图3为本专利技术实施例二采用SPGD算法对初始深度图像的各个网格区域进行深度值优化方法的流程示意图；图4为本专利技术实施例基于网格区域划分的深度图像优化系统结构示意图。具体实施方式为了使本领域的技术人员更好地理解本专利技术的技术方案，下面结合附图和具体实施例对本专利技术作进一步的详细说明。如图1所示，本专利技术实施例一提供一种基于网格区域划分的深度图像优化方法，该方法包括：S01：获取目标物体的初始深度图像；S02：将初始深度图像划分为若干个网格区域；S03：对初始深度图像的各个网格区域进行深度值优化，获得优化后的深度图像；S04：判断优化后的深度图像是否达到预设图像标准，若否，则进入步骤S05，若是，则优化后的深度图像为目标物体的最终深度图像；S05：将初始深度图像的各个网格区域再划分为若干个网格区域进入步骤S03。需要说明的是，步骤S本文档来自技高网...

【技术保护点】
1.一种基于网格区域划分的深度图像优化方法，其特征在于，包括：S01：获取目标物体的初始深度图像；S02：将所述初始深度图像划分为若干个网格区域；S03：对所述初始深度图像的各个网格区域进行深度值优化，获得优化后的深度图像；S04：判断所述优化后的深度图像是否达到预设图像标准，若否，则进入步骤S05，若是，则所述优化后的深度图像为目标物体的最终深度图像；S05：将所述初始深度图像的各个网格区域再划分为若干个网格区域，进入步骤S03。

【技术特征摘要】
1.一种基于网格区域划分的深度图像优化方法，其特征在于，包括：S01：获取目标物体的初始深度图像；S02：将所述初始深度图像划分为若干个网格区域；S03：对所述初始深度图像的各个网格区域进行深度值优化，获得优化后的深度图像；S04：判断所述优化后的深度图像是否达到预设图像标准，若否，则进入步骤S05，若是，则所述优化后的深度图像为目标物体的最终深度图像；S05：将所述初始深度图像的各个网格区域再划分为若干个网格区域，进入步骤S03。2.根据权利要求1所述的基于网格区域划分的深度图像优化方法其特征在于，所述步骤S02中，将所述初始深度图像划分为若干个网格区域的方法，包括：采用k-means算法将所述初始深度图像划分为若干个网格区域。3.根据权利要求1所述的基于网格区域划分的深度图像优化方法，其特征在于，所述步骤S03中，对所述初始深度图像的各个网格区域进行深度值优化的方法，包括：采用SPGD算法对所述初始深度图像的各个网格区域进行深度值优化。4.根据权利要求3所述的基于网格区域划分的深度图像优化方法，其特征在于，所述采用SPGD算法对所述初始深度图像的各个网格区域进行深度值优化的方法，包括：构造所述初始深度图像关于深度值的代价函数J，所述初始深度图像是关于矢量u＝(u1，u2，u3…uN)的函数，即J(u)＝J(u1，u2，u3…uN)，N为划分的网格区域数；对所述代价函数J的所有变量同时施加双边扰动，计算所述代价函数J值，正向扰动公式为{+δuj(n)/2}，负向扰动公式为{-δuj(n)/2}，所述代价函数J值计算公式为δJ(n)＝δJ+(n)-δJ_(n)，其中，上标n代表n次扰动，即δJ＝J(u1)±-δu1u2±δu2，…，uN±δuNJ(u)，迭代公式为uj(n+1)＝uj(n)-μδJ(n)δuj(n)，其中μ为迭代步长，δ为扰动大小；判断所述代价函数J值是否小于预设阈值，若是，则所述初始深度图像在当前网格区域数量下停止迭代流程，若否，则所述初始深度图像在当前网格区域数量下继续迭代流程。5.根据权利要求4所述的基于网格区域划分的深度图像优化方法，其特征在于，所述采用SPGD算法对所述初始深度图像的各个网格区域进行深度值优化的方法，还包括：当δJ/J大于预设最大扰动阈值时，减小扰动幅度，同时增大迭代步长；当δJ/J小于预设最小扰动阈值时，增大扰动幅度，同时减小迭代步长。6.根据权利要求1所...

【专利技术属性】
技术研发人员：晁志超，龙学军，李新维，孙晓斐，周剑，
申请(专利权)人：成都通甲优博科技有限责任公司，
类型：发明
国别省市：四川,51