【技术实现步骤摘要】
一种基于相机阵列选择性光场重聚焦的显著性检测方法
本专利技术涉及图像处理和光场成像领域，具体涉及一种基于相机阵列选择性光场重聚焦的显著性检测方法。
技术介绍
随着信息时代的高速发展，信息数据爆炸式增长，人们每天接触来自互联网的海量信息数据，然而这些海量数据中真正重要、有用的只是其中很小一部分。人们希望尽快在有限时间内有效地接收、处理和分析这些数据，从而获得真正感兴趣的内容。因此，信息提取、数据挖掘得到了广泛的关注，其中视觉显著性检测和提取就是主要的技术手段，通过计算机模拟灵长目动物的视觉选择注意机制来选择重要信息，即模拟视觉选择注意机制，使观察者迅速识别出图像中包含重要视觉信息的显著性区域。目前，国内外学者提出的显著性检测模型，多数都是基于普通相机获取的2D图像，只采用了图像的亮度、颜色及纹理等信息检测显著目标，并以这些二维信息存在明显差异为假设前提进行显著性检测模型建模。当显著目标的某些区域颜色和背景颜色相近或背景复杂，以及场景中包含多个显著目标时，这些基于2D图像的模型得到的显著图效果并不理想，检测出的目标不完整...
【技术保护点】
1.一种基于相机阵列选择性光场重聚焦的显著性检测方法，其特征在于包括下列步骤：/n1.1获取视点图像数据集，选择Stanford光场数据集和4D光场数据集；/n1.2视差估计，采用RGDP算法对相机阵列进行视差估计，得到视差图；/n1.3超分辨率重建，建立摄像机阵列的退化模型：/ny
【技术特征摘要】
1.一种基于相机阵列选择性光场重聚焦的显著性检测方法，其特征在于包括下列步骤：
1.1获取视点图像数据集，选择Stanford光场数据集和4D光场数据集；
1.2视差估计，采用RGDP算法对相机阵列进行视差估计，得到视差图；
1.3超分辨率重建，建立摄像机阵列的退化模型：
yk＝DHFi,kx+nk(1)
其中：yk表示第k个相机捕获的子图像；x表示高分辨率图像；nk表示间域附加噪声；D、H和Fi,k分别表示下采样、光学模糊和位移；超分辨率重建主要是估计x以适应退化模型，即最小化下列方程：
其中：第一项表示观测值与理想高分辨率图像间的距离；wb是基于深度和空间变化的权重向量；Jb(x)为bokeh正则化项；JBTV(x)为双边总变异BTV正则化项；λb和λBTV为正则化系数；Jb(x)可表示为：
其中：xb为bokeh图像，由bokeh渲染生成；使用梯度下降法逼近最优解，步长和迭代次数均可设置；
1.4bokeh渲染，采用基于深度的各向异性滤波器对未聚焦区域进行渲染，通过调节其中参数可实现对场景中某一深度层进行聚焦，而对其他深度层产生不同程度的模糊；
假设p点没有被聚焦，其对应的混叠圆半径r为：
其中：γf和γp分别表示焦距深度和p点深度；f表示焦距；F为透镜的F数；深度γ可表示为γ＝fB/d，其中B为基线长度，d为视差；那么公式(4)可表示为：
在bokeh渲染过程中f、F、B和df是固定不变的，那么p点的混叠圆半径r与p点和焦点之间的绝对视差成正比；将K＝f/2F(B-df)作为bokeh渲染的强度，代表整体的bokeh程度，同时反映场景深度，K越大表示bokeh程度程度越强，景深越小；
假设Q点周围存在多个以Pi为中心的混叠圆，由于混叠圆中强度是均匀分布的，那么计算Pi对Q的贡献可通过其中IPi为Pi点bokeh渲染前的强度；为以Pi为中心的混叠圆的半径；为Pi与Q之间的距离；那么Q点强度可表示为：
其中：表示Q点周围点的集合；rmax是图像中混叠圆半径的最大值；由于ΩQ中的某些点可能对Q点没有作用，所以将权值定义为：
各向异性滤波器基于公式(6)、(7)，使用双三次插值渲染中心视点图像生成bokehimagexb；
另外还需要对步骤1.3中公式(2)、(3)中的wb进行计算，一幅图像的模糊程度由混叠圆半径决定，那么可通过以下两个步骤计算wb：
第一步：通过ηP＝(rP-rmin)/(rmax-rmin)将半径归一化至[0,1],rmin为图像中混叠圆半径的最小值；
第二步：将ηP分为focus和bokeh两部分，使用sigmoid函数将ηP转化为wP：
wP＝1/(1+exp{-a(ηP-b)})(8)
其中：a为衰减因子；b为阈值；遍历所有像素点，重排序徐wP得到向量wb；
1.5显著性检测，首先采用SLI...
【专利技术属性】
技术研发人员：王世刚，冯洁，韦健，赵岩，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林;22
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。