基于大气光散射的拍摄图像深度信息预测方法技术

本发明专利技术公开了一种基于大气光散射的拍摄图像深度信息预测方法，本发明专利技术的主要设计构思在于，使用全局大气光散射模型对拍摄到的RGB图像进行初步深度预测，再通过初始深度预测结果进行局部大气光模拟，重新定义出局部大气光散射模型，由对全局及局部大气光散射建模恢复出RGB图的全局深度信息和局部深度信息，并以全局深度图及局部深度图予以表征，再将二者进行融合，最后对融合后的深度图进行边缘优化，输出最终的目标深度图，也即是包含了深度信息预测结果的图像。与现有技术相比，本发明专利技术深度检测结果性能稳定且成本较低，而且在保证深度图像高质量输出的同时，也能够大幅改善运行速率，因而具有更普遍的应用场景。因而具有更普遍的应用场景。因而具有更普遍的应用场景。

【技术实现步骤摘要】
基于大气光散射的拍摄图像深度信息预测方法


[0001]本专利技术涉及机器视觉领域，尤其涉及一种基于大气光散射的拍摄图像深度信息预测方法。

技术介绍

[0002]对于图像深度信息处理任务，虽然可以通过具备感知深度信息的专用硬件设备来完成(例如激光测距仪和Kinect相机等)，但这些专用硬件设备通常价格昂贵、耗电量大或使用场景非常有限(例如只能在室内使用)。因此，目前大多数图像依然是由普通摄像机拍摄的单目图像，然而，获取的图像中只能记录拍摄场景的颜色信息，难以检测图像的深度信息，从而无法精准、高效地进行场景深度预测以获得高质量的图像处理结果。

技术实现思路

[0003]鉴于上述，本专利技术旨在提供一种基于大气光散射的拍摄图像深度信息预测方法，从而解决单目图像难以检测深度信息的问题。
[0004]本专利技术采用的技术方案如下：
[0005]本专利技术提供了一种基于大气光散射的拍摄图像深度信息预测方法，其中包括：
[0006]使用全局大气光散射模型对拍摄到的图像进行初步深度预测，得到全局深度图；
[0007]对所述全局深度图进行局部大气光模拟，得到局部深度图；
[0008]融合所述全局深度图以及所述局部深度图，得到融合深度图；
[0009]对所述融合深度图进行边缘优化后，输出包含深度信息预测结果的目标深度图。
[0010]在其中至少一种可能的实现方式中，所述初步深度预测包括：根据拍摄场景的介质透视图和大气光信息，恢复拍摄场景的深度信息。
[0011]在其中至少一种可能的实现方式中，基于暗通道先验原理获取所述介质透视图。
[0012]在其中至少一种可能的实现方式中，所述局部大气光模拟包括：
[0013]基于像素数量对所述全局深度图进行场景分割；
[0014]基于场景分割结果，结合亮通道原理进行局部大气光估值。
[0015]在其中至少一种可能的实现方式中，所述结合亮通道原理进行局部大气光估值包括：计算每个场景在亮通道中对应像素的亮度，取排序靠前的TOP n个亮度值的均值作为单个场景的局部大气光估值。
[0016]在其中至少一种可能的实现方式中，所述场景分割包括：将所述全局深度图分成若干层。
[0017]在其中至少一种可能的实现方式中，所述对所述融合深度图进行边缘优化包括：通过结构保持图像引导滤波器将引导图像的结构传递到融合深度图上，保持图像的边缘并使其平滑。
[0018]在其中至少一种可能的实现方式中，所述结构保持图像引导滤波器包含第一滤波器和第二滤波器，第一滤波器用于传输输入图像的结构，第二滤波器用于平滑传输后的图
像。
[0019]本专利技术的主要设计构思在于，使用全局大气光散射模型对拍摄到的RGB图像进行初步深度预测，再通过初始深度预测结果进行局部大气光模拟，重新定义出局部大气光散射模型，由对全局及局部大气光散射建模恢复出RGB图的全局深度信息和局部深度信息，并以全局深度图及局部深度图予以表征，再将二者进行融合，最后对融合后的深度图进行边缘优化，输出最终的目标深度图，也即是包含了深度信息预测结果的图像。与现有技术相比，本专利技术深度检测结果性能稳定且成本较低，而且在保证深度图像高质量输出的同时，也能够大幅改善运行速率，因而具有更普遍的应用场景。
附图说明
[0020]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步描述，其中：
[0021]图1为本专利技术实施例提供的基于大气光散射的拍摄图像深度信息预测方法的流程图。
具体实施方式
[0022]下面详细描述本专利技术的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。
[0023]本专利技术提出了一种基于大气光散射的拍摄图像深度信息预测方法的实施例，具体来说，如图1所示，其中包括：
[0024]步骤S1、使用全局大气光散射模型对拍摄到的图像进行初步深度预测，得到全局深度图；
[0025]在实际操作中，可以利用全局大气光模型进行初始深度预测，通过对大气光散射模型进行建模，能够初步获取单目图像(可以理解为普通RGB图像)中所拍摄场景的深度信息，也即是可以理解为获得初始的全局深度图，此处提及的全局大气光散射模型可定义如下：
[0026]I(x,y)＝A
·
ρ(x,y)+A
·
(1
‑
t(x,y))
ꢀꢀꢀ
(1)
[0027]在上式中，I，ρ分别代表了摄像机获取的场景图像和场景反射率，A代表了大气光值，t是介质透视图，其表示反射光穿透介质的能力，A
·
ρ(x,y)构成大气光的直接衰减项，A
·
(1
‑
t(x,y))构成环境光模型。具体来说，根据全局大气光散射模型，捕获的总光能可分为两部分：场景的辐射光和环境光。通过获取场景的介质透视图，可以计算出场景中不同位置的深度信息。其中，所述介质透视图可以表示为：
[0028]t(x,y)＝e
‑
βd(x)
ꢀꢀꢀ
(2)
[0029]在上式中，β表示散射系数，d(x)为场景深度。需指出的是，本专利技术的构思之一是，根据拍摄场景的介质透视图和大气光信息，恢复拍摄场景的深度信息，而本领域技术人员可以理解的是，基于暗通道先验原理，在无雾图像中，大多数像素区域中至少有一个色道的强度值等于或接近于0，而图像暗通道可以表达为以下公式：
[0030]I
dark
(x,y)＝J
dark
(x,y)t(x,y)+A(1
‑
t(x,y))
ꢀꢀꢀ
(3)
[0031]在上式中，I
dark
和J
dark
分别是摄像机获得的图像的暗通道和理想无雾场景的暗通道，则介质透视图t(x,y)可以通过计算下式获取：
[0032][0033]步骤S2、对所述全局深度图进行局部大气光模拟，得到局部深度图。
[0034]在实际操作中，由全局大气光散射模型获得的初始的全局深度图，基于像素数量进行场景分割，这是考虑到在同一拍摄场景中的像素可能具有相似的深度，为了避免分割后某些区域的像素聚集，提出了基于像素个数的场景深度层分割方法，并且进一步地，在场景分割过程中，可以将由全局大气光散射模型生成的所述全局深度图分成若干层，以保持原始场景的边缘形状，具体的场景分割策略可以表达为以下公式：
[0035][0036]在上式中，i表示像素属于第i个场景。根据上面公式，将全局大气光模型产生的全局深度图分割为不同深度层。
[0037]接着，根据上述场景分割策略，重新定义出局部大气光散射模型用于进行局部深度预测，也即是对公式(1)进行重新定义，并表示为下本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大气光散射的拍摄图像深度信息预测方法，其特征在于，包括：使用全局大气光散射模型对拍摄到的图像进行初步深度预测，得到全局深度图；对所述全局深度图进行局部大气光模拟，得到局部深度图；融合所述全局深度图以及所述局部深度图，得到融合深度图；对所述融合深度图进行边缘优化后，输出包含深度信息预测结果的目标深度图。2.根据权利要求1所述的基于大气光散射的拍摄图像深度信息预测方法，其特征在于，所述初步深度预测包括：根据拍摄场景的介质透视图和大气光信息，恢复拍摄场景的深度信息。3.根据权利要求2所述的基于大气光散射的拍摄图像深度信息预测方法，其特征在于，基于暗通道先验原理获取所述介质透视图。4.根据权利要求1所述的基于大气光散射的拍摄图像深度信息预测方法，其特征在于，所述局部大气光模拟包括：基于像素数量对所述全局深度图进行场景分割；基于场景分割结果，结合亮通道原理进行局部大气...

【专利技术属性】
技术研发人员：崔建华，张海涛，孟瑾，夏晨星，石怀忠，朱丹，赵一飞，赵鹏，王伟，梁珊，翟红坤，罗双强，钱亚红，刘冰峰，单德森，齐嘉，
申请(专利权)人：河南中烟工业有限责任公司，
类型：发明
国别省市：