本发明专利技术公开了一种基于轮廓匹配的深度扩散方法，包括如下步骤：输入多帧图像，提取多帧图像中每一帧图像的轮廓以得到每一帧图像的轮廓序列；根据每一帧图像轮廓序列计算每一帧图像的轮廓序列中每个轮廓的轮廓特征值；将当前帧图像的每个轮廓特征值与当前帧的前一帧图像的轮廓序列中每个轮廓的轮廓特征值进行比对以获取当前帧图像的每个轮廓的在前一帧图像中的相似轮廓；将前一帧图像中的相似轮廓所包围区域的深度值赋值给当前帧的对应轮廓所包围区域生成当前帧图像的深度图。本发明专利技术还公开了一种基于轮廓匹配的深度扩散装置。本发明专利技术可以得到的非关键帧深度图边缘清楚、深度层次明确、平滑性能好且时域稳定性高。
【技术实现步骤摘要】
本专利技术涉及计算机视觉
，特别涉及到一种基于轮廓匹配进行深度扩散的方法。
技术介绍
立体视频技术是一种能够提供立体感的新型视频技术。与单通道视频相比，立体视频一般有两个视频通道，数据量要远远大于单通道视频，所以对立体视频的高效压缩尤为重要。基于深度图像绘制技术是未来3DTV系统在解码端的一项关键技术。在立体视频处理中，深度扩散指利用关键帧图像和其对应的深度图计算非关键帧的深度图的方法。深度扩散的基本思路是利用关键帧与非关键帧图像之间的相关性找到非关键帧中对应于关键帧的深度区域，并计算这部分区域的深度值，得到非关键帧图像的深度图。在关键帧与非关键帧变化不太剧烈的场景(如静止场景、缓慢运动场景等)中，深度扩散方法在计算非关键帧的深度图时有较好的结果。传统的进行深度扩散的方法主要是利用图像的颜色特征、运动信息以及直方图匹配。具体而言，使用颜色特征进行深度扩散的方法是通过寻找相邻区域颜色上的相关性来确定相似区域的方法，这种方法对于纹理简单的场景比较有效。使用运动信息进行深度扩散的方法需要计算关键帧与非关键帧之间的运动向量，然后将运动趋势一致的区域相对应，对于运动缓慢或镜头静止的场景比较有效。而直方图匹配的方法是一种统计学的方法， 该方法对图像中的小区域进行局部直方图匹配，将匹配到的区域相对应，认为它们具有相同的深度图。直方图匹配方法准确性相对较高，但是计算速度较慢。
技术实现思路
本专利技术的目的旨在至少解决上述的技术缺陷之一。本专利技术的第一个目在于提供一种基于轮廓匹配的深度扩散方法，该方法可以生成的非关键帧深度图不仅边缘清楚，而且深度层次明确、平滑性能好且时域稳定性高。本专利技术的第二个目的在于提供一种基于轮廓匹配的深度扩散装置。该装置可以生成的非关键帧深度图不仅边缘清楚，而且深度层次明确、平滑性能好且时域稳定性高。为达到上述目的，本专利技术第一方面实施例提出一种基于轮廓匹配的深度扩散方法，包括如下步骤输入多帧图像，提取所述多帧图像中每一帧图像的轮廓以得到每一帧图像的轮廓序列，所述轮廓序列包括所述每一帧图像的每个轮廓的信息；根据所述每一帧图像轮廓序列计算每一帧图像的轮廓序列中每个轮廓的轮廓特征值；将当前帧图像的每个轮廓特征值与前一帧图像的轮廓序列中每个轮廓的轮廓特征值进行比对以获取所述当前帧图像的每个轮廓的在所述前一帧图像中的相似轮廓；将所述前一帧图像中的所述相似轮廓所包围区域的深度值赋值给所述当前帧的对应轮廓所包围区域以得到所述当前帧的每个轮廓的深度值以得到所述当前帧图像的深度图。根据本专利技术实施例的基于轮廓匹配的深度扩散方法，对帧图像的轮廓序列进行处理之后可以有效的降低噪声对帧图像深度图的不利影响，得到的非关键帧深度图深度层次明确，经过修正和边缘处理之后边缘清晰，平滑性能好且时域稳定性高。而且深度图的信息含量较全，帧图像在经过基于轮廓匹配的深度扩散方法进行处理后所形成的深度图仍然包含有丰富的数据信息。此外，采用轮廓匹配的方法对轮廓信息进行图像内区域的匹配，可以得到准确的匹配结果。即使图像为变形、扭曲的物体，也可以得到准确的匹配效果，并且抗噪声能力强。本专利技术第二方面的实施例提出一种基于轮廓匹配的深度扩散装置，包括输入模块，所述输入模块用于输入多帧图像，提取所述多帧图像中每一帧图像的轮廓以得到每一帧图像的轮廓序列，所述轮廓序列包括所述每一帧图像的每个轮廓的信息；特征值计算模块，所述特征值计算模块与所述输入模块相连，用于根据所述每一帧图像轮廓序列计算每一帧图像的轮廓序列中每个轮廓的轮廓特征值；比对模块，所述比对模块与所述特征值计算模块相连，用于将当前帧图像的每个轮廓特征值与前一帧图像的轮廓序列中每个轮廓的轮廓特征值进行比对以获取所述当前帧图像的每个轮廓的在所述前一帧图像中的相似轮廓；深度赋值模块，所述深度赋值模块与所述比对模块相连，用于将所述前一帧图像中的所述相似轮廓所包围区域的深度值赋值给所述当前帧的对应轮廓所包围区域以得到所述当前帧的每个轮廓的深度值以得到所述当前帧图像的深度图。根据本专利技术实施例的基于轮廓匹配的深度扩散装置，对帧图像的轮廓序列进行处理之后可以有效的降低噪声对帧图像深度图的不利影响，得到的非关键帧深度图深度层次明确，经过修正和边缘处理之后边缘清晰，平滑性能好且时域稳定性高。而且深度图的信息含量较全，帧图像在经过基于轮廓匹配的深度扩散装置进行处理后所形成的深度图仍然包含有丰富的数据信息。此外，采用轮廓匹配的方法对轮廓信息进行图像内区域的匹配，可以得到准确的匹配结果。即使图像为变形、扭曲的物体，也可以得到准确的匹配效果，并且抗噪声能力强。本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中图1为根据本专利技术实施例的基于轮廓匹配的深度扩散方法的示意图；图2为图1中的基于轮廓匹配的深度扩散方法的流程图；图3为根据本专利技术实施例的基于轮廓匹配的深度扩散装置的结构示意图。具体实施例方式下面详细描述本专利技术的实施例，所述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。下面参考图1描述根据本专利技术实施例的基于轮廓匹配的深度扩散方法。如图1所示，本专利技术实施例提供的基于轮廓匹配的深度扩散方法，包括如下步骤SlOl 输入多帧图像，提取每一帧图像的轮廓序列。SlOll 对当前帧图像进行轮廓提取。首先，向内存中输入多帧图像。由于所有的物体均可以通过轮廓的方式进行表示， 从而可以实现可以识别的物体的量化。然后利用轮廓提取算法提取多帧图像中每一帧图像的轮廓以得到每一帧图像的轮廓序列。其中，每一帧图像中包括有多个轮廓。轮廓序列包括每一帧图像的每个轮廓的信息。在本专利技术的一个实施例中，每个轮廓的信息包括相应的轮廓的像素点位置。换言之，轮廓序列记录了组成各个轮廓的像素点位置。S1012 去除包含噪声的轮廓由于步骤SlOll中提取得到的轮廓序列中包括具有噪声的轮廓，需要对该部分噪声进行去除。在本步骤中，首先设置长度阈值，然后计算轮廓序列中各个轮廓的长度。将每个轮廓的长度与该长度阈值进行比较，当一个轮廓的长度小于该长度阈值时，则判断该轮廓为噪声，去除该轮廓。当一个轮廓的长度大于该长度阈值时，不予处理。通过上述步骤，可以完整去除轮廓序列中的噪声，从而得到更为可靠的轮廓。 根据去除噪声后的轮廓，更新轮廓序列，执行步骤S102。上述更新后的轮廓序列中的轮廓不包括有噪声，或者噪声较小可以忽略不计。可以理解的是，对轮廓序列进行去噪是可选步骤，即由步骤SlOll中生成的轮廓序列也可以直接送入步骤S102，计算轮廓序列中每个轮廓的轮廓特征值。S102 计算每一帧图像的轮廓序列中每个轮廓的轮廓特征值。为了进行轮廓的匹配，需要计算每帧图像的轮廓序列中的每个轮廓的特征值。具体而言，将步骤SlOl中提取得到的轮廓序列，计算该轮廓序列中每个轮廓的轮廓特征值。 在本专利技术的一个实施例中，每个轮廓的轮廓特征值包括每个轮廓的区域直方图、矩和地球移动距离。S103 将当前帧图像每个轮廓特征本文档来自技高网...
【技术保护点】
１．一种基于轮廓匹配的深度扩散方法，其特征在于，包括如下步骤：输入多帧图像，提取所述多帧图像中每一帧图像的轮廓以得到每一帧图像的轮廓序列，所述轮廓序列包括所述每一帧图像的每个轮廓的信息；根据所述每一帧图像轮廓序列计算每一帧图像的轮廓序列中每个轮廓的轮廓特征值；将当前帧图像的每个轮廓特征值与所述当前帧的前一帧图像的轮廓序列中每个轮廓的轮廓特征值进行比对以获取所述当前帧图像的每个轮廓的在所述前一帧图像中的相似轮廓；将所述前一帧图像中的所述相似轮廓所包围区域的深度值赋值给所述当前帧的对应轮廓所包围区域以得到所述当前帧的每个轮廓的深度值，根据所述当前帧的每个轮廓的深度值生成所述当前帧图像的深度图。
【技术特征摘要】
【专利技术属性】
技术研发人员：戴琼海，徐琨，索津莉，
申请(专利权)人：清华大学，
类型：发明
国别省市：11
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。