一種基于置信度傳播算法的深度圖提取方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計(jì)算機(jī)視覺領(lǐng)域，特別是一種基于置信度傳播算法的深度圖提取方法 及裝置。
【背景技術(shù)】
[0002] 隨著計(jì)算機(jī)視覺理念和技術(shù)的快速發(fā)展，如何從一幅或多幅圖像中自動(dòng)、有效地 提取圖像的深度圖，即圖像深度信息估計(jì)，成為計(jì)算機(jī)視覺領(lǐng)域中的一項(xiàng)重要研究內(nèi)容。通 過對圖像進(jìn)行深度信息估計(jì)，使計(jì)算機(jī)具有與人類類似的視覺功能，有效地代替人眼對目 標(biāo)進(jìn)行識別、跟蹤和測量。通過對圖像進(jìn)行深度信息估計(jì)，還可以獲取精確的三維可視化場 景信息，為勘探人員、考古學(xué)家、醫(yī)生和檢測人員提供決策參考。深度信息估計(jì)的主要方法 有主動(dòng)視覺法、雙目立體視覺法、聚焦法和散焦法等。
[0003] 主動(dòng)視覺法，研究可控光源在物體表面上所形成的圖像，通過幾何關(guān)系計(jì)算出被 測物體的深度信息，具有獲得的深度圖穩(wěn)定、可靠性好、精度高等優(yōu)點(diǎn)，但需要特殊的光源。 雙目立體視覺法，該方法研究如何利用二維投影圖像對來恢復(fù)三維景物世界，存在立體匹 配難的問題。聚焦法，聚焦法的優(yōu)點(diǎn)是不存在立體視覺中的匹配問題，誤差小，但需要拍攝 大量圖像，損失了時(shí)間分辨率且計(jì)算量大。散焦法，將深度信息估計(jì)問題轉(zhuǎn)化為散焦特征參 數(shù)估計(jì)，對圖像噪聲具有很好的魯棒性，但提取的深度圖精度不高。

【發(fā)明內(nèi)容】

[0004] 技術(shù)問題：本發(fā)明提供了一種具有較高區(qū)分度，提高圖像邊緣檢測的精度和準(zhǔn)確 度，提高深度圖獲取速度和精度的基于置信度傳播算法的深度圖提取方法及裝置。
[0005] 技術(shù)方案：本發(fā)明的基于置信度傳播算法的深度圖提取方法，包括以下步驟：
[0006] 1)采用裝有編碼光圈的相機(jī)拍攝場景實(shí)物，并獲取離焦模糊圖像；
[0007] 2)提取所述離焦模糊圖像的邊緣并計(jì)算所述邊緣處的深度值；
[0008] 3)采用置信度傳播算法將圖像邊緣的深度值傳播到其他不包含邊緣的區(qū)域，得到 多層次的深度圖。
[0009] 進(jìn)一步的，本發(fā)明方法的步驟1)中，離焦模糊圖像根據(jù)如下方法得到：使用裝有 編碼光圈的相機(jī)拍攝一組點(diǎn)光源在不同物距上的場景圖像和模糊核，然后將所述模糊核與 對應(yīng)的場景圖像進(jìn)行合成，即得到離焦模糊圖像。
[0010] 進(jìn)一步的，本發(fā)明方法的步驟2)中，按照如下方式提取所述離焦模糊圖像的邊 緣：使用固定標(biāo)準(zhǔn)差的高斯函數(shù)將步驟1)中得到的離焦模糊圖像進(jìn)行再模糊，之后使用 Canny邊緣檢測算子提取離焦模糊圖像的邊緣。
[0011] 進(jìn)一步的，本發(fā)明方法的步驟2)中，使用Canny邊緣檢測算子提取離焦模糊圖像 的邊緣的過程中，先將再模糊處理后得到的二維圖像的梯度幅值計(jì)算轉(zhuǎn)換為兩個(gè)一維梯度 幅值計(jì)算，然后用Canny算法的梯度幅值計(jì)算方法提取離焦模糊圖像的邊緣。
[0012] 進(jìn)一步的，本發(fā)明方法的步驟2)中，采用模糊估計(jì)算法或重建誤差算法計(jì)算離焦 模糊圖像邊緣的深度值。
[0013] 本發(fā)明的基于置信度傳播算法的深度圖提取裝置，包括：離焦模糊圖像獲取模塊、 邊緣提取模塊和深度圖提取模塊；
[0014] 所述離焦模糊圖像獲取模塊，用于獲取處理圖像的離焦模糊圖像；
[0015] 所述邊緣提取模塊，用于提取離焦模糊圖像的邊緣并計(jì)算所述邊緣處的深度值；
[0016] 所述深度圖提取模塊，用于采用置信度傳播算法將圖像邊緣的深度值傳播到其他 不包含邊緣的區(qū)域，得到多層次的深度圖。
[0017] 進(jìn)一步的，本發(fā)明裝置中，離焦模糊圖像模塊，使用裝有編碼光圈的相機(jī)拍攝一組 點(diǎn)光源在不同物距上的場景圖像和模糊核，然后將所述模糊核與對應(yīng)的場景圖像進(jìn)行合 成，即得到離焦模糊圖像。
[0018] 進(jìn)一步的，本發(fā)明裝置中，所述邊緣提取模塊包括：邊緣提取單元、深度值計(jì)算單 元；
[0019] 所述邊緣提取單元，用于使用固定標(biāo)準(zhǔn)差的高斯函數(shù)將離焦模糊圖像進(jìn)行再模 糊，之后采用Canny邊緣檢測算子得到離焦模糊圖像的邊緣；
[0020] 所述深度值計(jì)算單元，用于計(jì)算得到離焦模糊圖像邊緣處的深度值。
[0021] 有益效果：本發(fā)明與現(xiàn)有技術(shù)相比，具有以下優(yōu)點(diǎn)：
[0022] 通過激光器、光通量改變器、精密針孔的組合，產(chǎn)生穩(wěn)定、足夠小、強(qiáng)度適中的點(diǎn)光 源，與主動(dòng)視覺獲取深度圖的裝置相比，本發(fā)明不需要特殊的光源設(shè)備。
[0023] 相對于傳統(tǒng)光圈，編碼光圈對圖像深度具有較高的區(qū)分度。
[0024] 改進(jìn)Canny算法的梯度幅值計(jì)算方法，將二維圖像的梯度幅值計(jì)算轉(zhuǎn)換為一維， 能夠很好地提高圖像邊緣檢測的精度和準(zhǔn)確度。
[0025] 改進(jìn)置信度傳播算法的消息傳播模式，對不同區(qū)域進(jìn)行單獨(dú)傳播并建立非邊緣區(qū) 域像素點(diǎn)之間的聯(lián)系，提高深度圖獲取速度；同時(shí)減少錯(cuò)誤消息的傳播，提高了精確度。
[0026] 通過結(jié)合圖像分割結(jié)果來擬合圖像中相同深度的塊，提高深度圖中塊內(nèi)的質(zhì)量。
[0027] 本發(fā)明通過產(chǎn)生穩(wěn)定的點(diǎn)光源，利用編碼光圈對圖像深度的高區(qū)分度并使用置信 度傳播算法建立非邊緣區(qū)域像素點(diǎn)之間的聯(lián)系，提高了深度圖提取精度。
【附圖說明】
[0028] 圖1是本發(fā)明基于置信度傳播算法的深度提取方法的流程圖。
[0029] 圖2是本發(fā)明基于置信度傳播算法的深度提取裝置的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0030] 下面詳細(xì)描述本發(fā)明的實(shí)施例，所述實(shí)施例的示例在附圖中示出，下面通過參考 說明書附圖描述的實(shí)施例是示例性的，僅用于解釋本發(fā)明，而不能理解為對本發(fā)明的限制。
[0031] 圖1是本發(fā)明基于置信度傳播算法的深度提取方法流程圖，從圖中可知，本發(fā)明 實(shí)施例提供了一種基于置信度傳播算法的深度圖提取方法包括如下步驟：
[0032] 采用裝有編碼光圈的相機(jī)拍攝場景實(shí)物得到離焦模糊圖像；
[0033] 提取離焦模糊圖像的邊緣并計(jì)算其深度值；
[0034] 采用置信度傳播算法將圖像邊緣的深度值傳播到其他不包含邊緣的區(qū)域得到多 層次的深度圖。
[0035] 其中，使用裝有編碼光圈的相機(jī)拍攝一組點(diǎn)光源在不同物距上的模糊核，將模糊 核與對應(yīng)的原始圖像進(jìn)行合成，得到離焦模糊圖像。離焦模糊圖像可以認(rèn)為是清晰圖像與 PSF(點(diǎn)擴(kuò)散函數(shù)）的卷積，其模型可表示為/ = ./〇 ?幾+?，&為清晰圖像，P為相應(yīng)深度的 PSF也即在不同物距上拍攝的點(diǎn)光源模糊核，η為噪聲。
[0036] 在得到離焦模糊圖像后，需要提取離焦模糊圖像的邊緣并計(jì)算其深度值。提 取圖像邊緣的算法很多，如各種微分邊緣算子、小波邊緣算子以及各種形態(tài)學(xué)算子等。 Canny邊緣檢測算子也是一種常用的邊緣檢測方法，由于Canny算子能在噪聲抑制和邊 緣檢測之間取得較好的平衡，它對受白噪聲影響的階躍型邊緣的提取是最優(yōu)的。具體實(shí) 施步驟為，首先，圖像邊緣模型可表示為f (X)=Au(x)+0,u(x)為階躍函數(shù)，A為圖像邊 緣幅度，〇為圖像邊緣的偏移量。圖像模糊邊緣i (X)可表示為i'W= /(x)?gi.Y,cr),其 中高斯函數(shù)g(x,σ)為PSF的近似表示，高斯函數(shù)的標(biāo)準(zhǔn)差σ=kc，k為常量，c為彌 散圓的直徑，彌散圓的直徑隨著物距的增加非線性單調(diào)遞增。其次，用已知標(biāo)準(zhǔn)差的高 斯函數(shù)g(x，〇k)對離焦模糊圖像進(jìn)行再模糊處理，即用已知標(biāo)準(zhǔn)差的高斯函數(shù)g(x，〇k) 與離焦模糊圖像進(jìn)行卷積操作。再模糊圖像的邊緣為然后使用模 糊估計(jì)算法計(jì)算其深度值，具體為計(jì)算離焦模糊邊緣與再模糊圖像邊緣的梯度幅值比
，離焦模糊邊緣與再模糊圖像邊緣的梯度幅值比 I ν.?(^Λ；ι飛〇乙u. ) 在圖像邊緣處即χ= 0最大，