專利名稱：基于自回歸模型深度恢復(fù)的參數(shù)自適應(yīng)選取方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計算機視覺領(lǐng)域，涉及在深度圖復(fù)原過程中多個參數(shù)的自適應(yīng)選取方法。具體講，采用自回歸模型，在恢復(fù)被污染(低分辨率，帶噪聲，帶有隨機錯誤和結(jié)構(gòu)性錯誤)深度圖的過程中，使得各個涉及恢復(fù)過程的參數(shù)根據(jù)圖像特性自適應(yīng)選取的方法，即基于自回歸模型深度恢復(fù)的參數(shù)自適應(yīng)選取方法。
背景技術(shù)：
隨著成像技術(shù)的進步，近年面市的深度相機突破了傳統(tǒng)激光掃描和立體匹配進行深度成像的限制，可以比較方便地獲得實時動態(tài)三維場景的深度。但是，受到諸多條件的限制，例如，需要實時采集，需要實現(xiàn)完整的動態(tài)場景，以及防止背景光的干擾，深度相機拍攝出來的深度圖存在很多不足:1)分辨率低2)圖像受噪聲污染嚴重3)測量深度受背景光影響而不準確4)存在隨機或者結(jié)構(gòu)化的深度值缺失。我們把這些存在的不足稱為含有退化模型的深度圖。因為這些退化模型的存在，使得深度相機實際的應(yīng)用并不是很廣泛。所以，尋找一種深度恢復(fù)的方法是必要的。現(xiàn)階段，國內(nèi)外工作采用經(jīng)過對齊的高分辨率的彩色圖與含有退化模型的深度圖來獲得高質(zhì)量的深度圖 。這樣，在假設(shè)深度不連續(xù)的地方正好可以對應(yīng)彩色圖像的邊緣，而顏色一致的區(qū)域含有相似的3D (three-dimension)幾何結(jié)構(gòu)的情況下,可以利用高分辨率的彩色信息對低分辨率深度圖進行超分辨率優(yōu)化。一類最主要的方法是采用濾波器來優(yōu)化深度圖。這類方法可以同時處理低分辨率，帶有噪聲和含有深度值缺失的多種混合退化模型。其中，一種是利用雙邊濾波器來實現(xiàn)超分辨率；因為雙邊濾波器在濾波的同時可以很好的保住邊緣而不被模糊，根據(jù)這一特點，將其應(yīng)用于深度圖，可以在擴大分辨率的同時，對圖像進行去噪。最近，還有一種方法采用非局部均值濾波來實現(xiàn)深度恢復(fù)。他們通過非局部均值濾波可以判斷出相似結(jié)構(gòu)的特性，來實現(xiàn)超分辨率和圖像去噪。但是，上述方法中涉及了多而復(fù)雜的參數(shù)，并且都是根據(jù)經(jīng)驗值來設(shè)定，并沒有針對圖像的結(jié)構(gòu)和特性對參數(shù)進行自適應(yīng)選取。不同的圖像深度恢復(fù)僅僅采用同一種參數(shù)設(shè)置，必然會導(dǎo)致某些圖像不能很好的恢復(fù)，或者不能達到最優(yōu)解。

發(fā)明內(nèi)容
本發(fā)明旨在克服現(xiàn)有技術(shù)的不足，實現(xiàn)根據(jù)不同的深度圖和彩色圖的特性來恢復(fù)出最優(yōu)的最終深度圖，為此，本發(fā)明采取的技術(shù)方案是，基于自回歸模型深度恢復(fù)的參數(shù)自適應(yīng)選取方法，包括下列步驟:I)將深度恢復(fù)問題具體地表述為自回歸模型求解方程:
權(quán)利要求
1.一種基于自回歸模型深度恢復(fù)的參數(shù)自適應(yīng)選取方法，其特征是，包括下列步驟: 1)將深度恢復(fù)問題具體地表述為自回歸模型求解方程:
2.如權(quán)利要求1所述的基于自回歸模型深度恢復(fù)的參數(shù)自適應(yīng)選取方法，其特征是，對σ進行自適應(yīng)取值具體為: 當(dāng)要恢復(fù)的像素處在深度光滑區(qū)域，采用一個大的σ值去恢復(fù)當(dāng)前的深度結(jié)構(gòu)，SP σ值越大，權(quán)重越小，彩色圖部分預(yù)測權(quán)重越?。幌喾?，如果像素處在豐富的深度紋理區(qū)域，采用一個小的σ值來更好地預(yù)測深度紋理信息，初始深度圖的梯度信息可以很好的反映出深度紋理的豐富程度，所以，采用初始深度圖的梯度去估計σ的取值； 22)利用分段函數(shù)對σ的取值范圍實現(xiàn)自適應(yīng) Sigmoid函數(shù)能取到的最小值到最大值的范圍代表著我們可以取到的σ值，根據(jù)方程(2)，彩色圖像的預(yù)測系數(shù)a。是根據(jù)當(dāng)前像素為中心的彩色塊P進行預(yù)測的，所以，彩色塊的紋理結(jié)構(gòu)的豐富程度直接影響了 σ的取值范圍，根據(jù)當(dāng)前像素塊的彩色紋理結(jié)構(gòu)的梯度值構(gòu)造分段函數(shù) 來對σ的取值范圍進行自適應(yīng)。
3.如權(quán)利要求1所述的基于自回歸模型深度恢復(fù)的參數(shù)自適應(yīng)選取方法，其特征是，對 '進行自適應(yīng)取值具體為 31)通過g。來對Tg進行自適應(yīng)取值； 32)通過對兩個參數(shù)Tg，σ的自適應(yīng)，求解出兩個預(yù)測系數(shù)ac;，ag，得到最后的預(yù)測系數(shù)，方程如下: a = acXag (4) 其中，a是最終的預(yù)測系數(shù)。
全文摘要
本發(fā)明屬于計算機視覺領(lǐng)域，為實現(xiàn)根據(jù)不同的深度圖和彩色圖的特性來恢復(fù)出最優(yōu)的最終深度圖，為此，本發(fā)明采取的技術(shù)方案是，基于自回歸模型深度恢復(fù)的參數(shù)自適應(yīng)選取方法，包括下列步驟1)將深度恢復(fù)問題具體地表述為自回歸模型求解方程；2)對σ進行自適應(yīng)取值通過彩色圖的紋理結(jié)構(gòu)和初始深度圖對σ進行自適應(yīng)取值；3)對τg進行自適應(yīng)取值通過彩色圖的梯度gc來對τg進行自適應(yīng)取值，最后，算出最終的預(yù)測系數(shù)a；4)將預(yù)測系數(shù)a代入能量方程E(f)進行最終求解。本發(fā)明主要應(yīng)用于在深度圖復(fù)原過程中多個參數(shù)的自適應(yīng)選取。
文檔編號G06T1/00GK103218771SQ20131007324
公開日2013年7月24日 申請日期2013年3月7日 優(yōu)先權(quán)日2013年3月7日
發(fā)明者楊敬鈺, 葉昕辰, 侯春萍 申請人:天津大學(xué)