一种图像深度提取方法技术

本发明专利技术公开了一种图像深度提取方法，包括以下步骤：1）对待处理的原始图像进行高斯模糊处理得到N幅模糊图像；N≥2；2）检测原始图像和N幅模糊图像的边缘，获得各图像的边缘图像；3）基于边缘图像，计算边缘处各个像素点在各个高斯滤波参数下对应的模糊参数估计值；4）使用统计学方法分析边缘处各个像素点的N个模糊参数估计值得到边缘处各个像素点的最优模糊参数估计值；5）根据边缘处各个像素点的最优模糊参数估计值，计算图像中边缘处各个像素点的深度值得到稀疏深度图；6）对稀疏深度图做插值处理，获得致密深度图。本发明专利技术的方法，相对于现有技术的方法，能得到精确度较高的模糊参数，从而使后续计算得到的深度值的精确度较高。

【技术实现步骤摘要】

本专利技术涉及计算机视觉领域，特别是涉及。
技术介绍
深度提取方法用于获取待处理的图像中各像素点的深度信息，获取待处理的图像的全局深度图，在计算机视觉和计算机图形学应用领域发挥着重要的作用。现有的基于单幅图像提取深度图的方法，主要分为三大类，其中一类的方法为通过高斯再模糊的方法获取图像的模糊参数值。通过对原始图像做高斯再模糊，并进行边缘检测后求解模糊参数，得到稀疏深度图。然后对得到的稀疏深度图做深度生长，最后结合双边滤波对深度图像进行精细化处理得到最终的致密深度图。然而上述方法中，由于该边缘信息的求取是通过一次性的梯度比值的计算获得模糊信息，因此边缘图像的模糊参数值的置信度并不高。另外，不同区域边缘差异性较大，通过一次性的全局计算容易忽略局部的特征信息，从而使得边缘值的精确性大大降低。
技术实现思路
本专利技术所要解决的技术问题是弥补上述现有技术的不足，提出，得到的边缘处各个像素点的深度值的精确度较高。本专利技术的技术问题通过以下的技术方案予以解决，包括以下步骤1)对待处理的原始图像进行高斯模糊处理，选用N个不同的高斯滤波参数，得到N幅模糊图像；N ^ 2 ;2)检测原始图像和N幅模糊图像的边缘，获得各图像的边缘图像；3)基于步骤2)获得的边缘图像，计算边缘处各个像素点在各个高斯滤波参数下对应的模糊参数估计值；4)使用统计学方法分析步骤3)中边缘处各个像素点的N个模糊参数估计值，从而得到边缘处各个像素点的最优模糊参数估计值；5)根据获取的边缘处各个像素点的最优模糊参数估计值，计算图像中边缘处各个像素点的深度值，从而得到稀疏深度图；6)对步骤5)获得的稀疏深度图做插值处理，获得致密深度图。优选地，还包括步骤7)，对步骤6)获得的致密深度图进行优化处理，去除深度信息异值点。所述步骤7)包括将原始图像进行分割处理，得到NI个分割区域，对于待优化的各个分割区域，在其对应的深度图区域中，进行如下处理71)随机选择三个像素点，计算三个像素点形成的平面方程；72)计算该深度图区域内其他像素点到该平面的距离，对于距离小于设定阈值的点定为内点，距离大于等于设定阈值的点定为外点，并统计该平面对应的内点个数；73)重复步骤71) -72)多次，统计多个平面对应的内点个数；74)取内点个数最多的平面为拟合平面，则该深度图区域中，如像素点为该拟合平面的内点，则深度值保持不变；如像素点为该拟合平面的外点，则深度值取修正后的深度值。上述优化处理的方案中，使用立体匹配领域的平面拟合技术，对获取的深度像按分割区域分别进行优化，有效去除异值点，从而使得优化后的深度信息更加可靠，深度图平面更加平滑。本专利技术与现有技术对比的有益效果是本专利技术的图像深度提取方法，采用多个高斯模糊尺度进行模糊处理，获取多个尺度下的边缘图像的模糊参数估计值，然后根据统计学方法从多个值中估计得到最优模糊参数估计值，即是得到精确度更高的模糊参数，从而确保后续计算得到边缘处各个像素点的深度值的精确度较高。附图说明图1是本专利技术具体实施方式中的图像深度提取方法的流程图；图2是本专利技术具体实施方式中的优化处理步骤的流程图。具体实施方式下面结合具体实施方式并对照附图对本专利技术做进一步详细说明。如图1所示，为本具体实施方式中的图像深度提取方法的流程图，包括以下步骤Ul)对待处理的原始图像进行高斯模糊处理，选用N个不同的高斯滤波参数，得到N幅模糊图像。其中，N ≥ 2.本步骤中，高斯模糊处理即是对原始图像进行高斯滤波，如原始图像用I (x，y)表示，则模糊后的图像用Ib (x，y)表示，则模糊后的图像可表示为本文档来自技高网...

【技术保护点】
一种图像深度提取方法，其特征在于：包括以下步骤：?1）对待处理的原始图像进行高斯模糊处理，选用N个不同的高斯滤波参数，得到N幅模糊图像；N≥2；?2）检测原始图像和N幅模糊图像的边缘，获得各图像的边缘图像；?3）基于步骤2）获得的边缘图像，计算边缘处各个像素点在各个高斯滤波参数下对应的模糊参数估计值；?4）使用统计学方法分析步骤3）中边缘处各个像素点的N个模糊参数估计值，从而得到边缘处各个像素点的最优模糊参数估计值；?5）根据获取的边缘处各个像素点的最优模糊参数估计值，计算图像中边缘处各个像素点的深度值，从而得到稀疏深度图；?6）对步骤5）获得的稀疏深度图做插值处理，获得致密深度图。

【技术特征摘要】
1.一种图像深度提取方法，其特征在于包括以下步骤 1)对待处理的原始图像进行高斯模糊处理，选用N个不同的高斯滤波参数，得到N幅模糊图像；N≥2 ; 2)检测原始图像和N幅模糊图像的边缘，获得各图像的边缘图像； 3)基于步骤2)获得的边缘图像，计算边缘处各个像素点在各个高斯滤波参数下对应的模糊参数估计值； 4)使用统计学方法分析步骤3)中边缘处各个像素点的N个模糊参数估计值，从而得到边缘处各个像素点的最优模糊参数估计值； 5)根据获取的边缘处各个像素点的最优模糊参数估计值，计算图像中边缘处各个像素点的深度值，从而得到稀疏深度图； 6)对步骤5)获得的稀疏深度图做插值处理，获得致密深度图。2.根据权利要求1所述的图像深度提取方法，其特征在于所述步骤2)中具体为，基于阶跃型边缘模型和高斯函数建立模型，检测得到图像的边缘，即 原始图像的边缘i(x，y)+(x, y)为图像中像素点的二维坐标，A、B分别为阶跃型边缘模型的参数，u(x，y)为阶跃函数，G(x，y，σ0)为高斯函数，ο ^为原始图像的模糊参数； 第 k 幅模糊图像的边缘 ibk(x, y)k=L···]!，σ J所述步骤I)中选取的高斯滤波参数。3.根据权利要求2所述的图像深度提取方法，其特征在于所述步骤3)中基于边缘图像计算得到边缘处像素点(X，y)的原始图像和模糊图像的梯度比值Rxy，然后根据如下公式计算得到边...

【专利技术属性】
技术研发人员：王好谦，吴畏，张永兵，戴琼海，
申请(专利权)人：清华大学深圳研究生院，
类型：发明
国别省市：