一种获取图像深度信息的方法
【专利摘要】本发明公开了一种获取图像深度信息的方法，包括以下步骤：1)对待处理的单幅原始图像进行高斯模糊处理，得到模糊图像；2)检测待处理的原始图像的纹理边缘，将所述原始图像划分为纹理梯度相对较大的区域，定义为D区域和纹理梯度相对较小的区域，定义为F区域；3)对于所述D区域内的像素点，根据模糊估计方法计算得到各像素点的比例因子；4)对于所述F区域内的各像素点，进行Kalman滤波，估计各像素点的比例因子；5)根据原始图像的聚焦信息，将各像素点的比例因子转换为各像素点的相对深度值。本发明的获取图像深度信息的方法，引入Kalman滤波的思想，可抑制常规的散焦法获取深度值时的噪声，提高最终获得的深度图的精度，且无需额外的信息补充。
【专利说明】一种获取图像深度信息的方法
【【技术领域】】
[0001]本发明涉及计算机视觉领域，特别是涉及一种从图像中获取深度信息的方法。【【背景技术】】
[0002]计算机视觉技术就是通过摄像机等成像系统模拟人眼来获得输入，计算机模拟人脑来处理和解释，使计算机能像人那样通过视觉观察和理解世界。而计算机视觉中，为了使计算机视觉能如人类视觉一样工作，一个基本的问题是，如何从摄像机拍摄的二维图像中，获得三维世界的结构和属性信息？即从拍摄的二维图像中，提取深度信息，获得深度图。为此人们提出了很多方法，而根据深度信息来源不同，可分为两大类:主动视觉与被动视觉。
[0003]其中，主动视觉是指向被测目标照射可控制的光光源，然后拍摄光源在物体表面上所形成的图像，通过几何关系计算出被测物体的三维信息。其深度信息，来源于可控光源在目标物体上的亮度信息、投影关系或几何关系。通过主动视觉获得的深度图可靠性好，精度高，但是需要配备特殊的光源，限制了其大范围地推广应用。被动视觉包括双目立体视觉、运动视觉、聚焦法、散焦法等方法，从一幅或多幅二维图像中，通过隐含的深度线索求取深度图，以获得三维立体信息。其深度信息来源于图像本身，比如左右视图视差，透视几何关系，模糊程度等等。但是这些深度信息极易受到图像内容以及噪声的干扰，使得所获的深度图精度因此而下降。
[0004]被动视觉，是从图像序列中获取深度图的技术，是计算机视觉领域的热门问题。近年来，有提出立体匹配、聚焦法、散焦法等多种深度图获取技术。基于立体匹配的方法是根据不同视角的图像间的视差作为深度估计的线索，计算复杂且图像中的特征点的提取和匹配仍是一大难题。聚焦法是利用一系列同一场景中聚焦于不同深度的图像获取整幅场景的深度图，原理简单，但是需要大量的图像，难以实时计算。散焦法是利用图像中模糊程度随物体远离聚焦平面而变大的原理来获取深度图，可通过多幅图像之间作对比获得深度图，也可通过单幅图像之间计算 相对深度值。散焦法所需信息较少，不需要对图像的特征做匹配，也没有遮挡等问题，算法简单，速度较快。但是，由于散焦法的深度线索与图像的内容和噪声之间存在相互影响，而目前常规的单幅图像散焦法获取深度图的方法中对于降噪这一块关注较少，所以获得深度图的精度往往有限。
【
【发明内容】
】
[0005]本发明所要解决的技术问题是:弥补上述现有技术的不足，提出一种获取图像深度信息的方法，相对常规散焦法获取的深度值，可抑制噪声，提高最终深度图的精度。
[0006]本发明的技术问题通过以下的技术方案予以解决:
[0007]—种获取图像深度信息的方法，包括以下步骤:1)对待处理的单幅原始图像进行高斯模糊处理，得到模糊图像；2)检测待处理的原始图像的纹理边缘，将所述原始图像划分为纹理梯度相对较大的区域，定义为D区域和纹理梯度相对较小的区域，定义为F区域；
3)对于所述D区域内的像素点，根据模糊估计方法计算得到各像素点的比例因子；4)对于所述F区域内的各像素点，进行Kalman滤波，即，以像素点的领域中的像素点作为先验点，以先验点的比例因子为基础构建状态模型，状态模型中的状态参量包括表示比例因子状态的第一元素和表示噪声的第二元素；以像素点的比例因子为状态值，以像素点的原始图像梯度和模糊图像梯度的比值为观测值，构建表示状态值和观测值之间关系的观测模型；根据构建的状态模型和观测模型，进行Kalman迭代计算，从而估计各像素点的比例因子；5)根据原始图像的聚焦信息，将各像素点的比例因子转换为各像素点的相对深度值。
[0008]上述方案中，获取深度信息时，将图像分为边缘区域和平滑区域两部分。对于边缘区域内的像素点，直接根据单幅图像散焦法的原理获取相对深度信息。对于平滑区域内的像素点，以其相邻区域的点作为先验点，以先验点的比例因子为基础构建状态模型，以该像素点的相对深度信息作为状态值，像素点的原始图像梯度值与模糊图像梯度值间的比值作为观测值，构建观测模型，根据构建的状态模型和观测模型，进行Kalman迭代计算，做滤波后估计得到平滑区域内各像素点的相对深度信息。通过上述设置，即将Kalman滤波的思想引入到单幅图像散焦法获取深度图中，从而有效抑制获取的深度值的噪声，提高获取的深度图的精度。
[0009]本发明与现有技术对比的有益效果是:
[0010]本发明的获取图像深度信息的方法，引入Kalman滤波的思想，从而抑制散焦法获取深度值的噪声，提高了最终深度图的精度。而输入仍然只是一幅散焦模糊图像，无需拍摄多幅图片，无需额外的信息补充。引入Kalman滤波后，能有效抑制噪声，使获取的深度图平滑，又能兼容边界部分不连续性，相对于其他单幅图像散焦法获取深度图，精度有大幅提升。
【【专利附图】
【附图说明】】
[0011]图1是本发明【具体实施方式】的获取图像深度信息的方法流程图；
[0012]图2是本发明【具体实施方式】的步骤P4)中进行Kalman滤波估计F区域内像素点的比例因子的方法流程图。
【【具体实施方式】】
[0013]下面结合【具体实施方式】并对照附图对本发明做进一步详细说明。
[0014]本发明改进了常规的单幅图像散焦法获取深度图的方法，创新性地引入Kalman滤波的思想，以图像中每一点的相对深度作为状态，以原始图像梯度与模糊图像梯度间的比值作为观测，构建状态模型和观测模型，最后进行Kalman迭代计算，利用Kalman滤波方法来从先验模型及观测值来预测状态值，对状态值进行滤波处理。即通过Kalman滤波的预测-修正-再预测的方式，有效抑制所获得深度图的噪声从而抑制散焦法获取深度值的噪声，提高了最终深度图的精度。
[0015]如图1所示，为本【具体实施方式】中获取图像深度信息的方法流程图，包括以下步骤:
[0016]Pl)对待处理的单幅原始图像进行高斯模糊处理，得到模糊图像。
[0017]具体地，输入图像，输入一幅由普通相机拍摄的图片。该图像聚焦于最近处的目标物体或最远处的背景处。该图像的大小为MXN表示，用g(i，j)表示该原始图像在第i行，第i列的像素点的像素值。
[0018]高斯模糊处理。对输入的原始图像，以高斯模糊核Of对图像进行模糊处理，获得
模糊图像。用g’(x，y)表示模糊图像在第i行，第j列的像素点的像素值，即有如下关系:
【权利要求】
1.一种获取图像深度信息的方法，其特征在于:包括以下步骤: 1)对待处理的单幅原始图像进行高斯模糊处理，得到模糊图像； 2)检测待处理的原始图像的纹理边缘，将所述原始图像划分为纹理梯度相对较大的区域，定义为D区域和纹理梯度相对较小的区域，定义为F区域； 3)对于所述D区域内的像素点，根据模糊估计方法计算得到各像素点的比例因子； 4)对于所述F区域内的各像素点，进行Kalman滤波，即，以像素点的领域中的像素点作为先验点，以先验点的比例因子为基础构建状态模型，状态模型中的状态参量包括表示比例因子状态的第一元素和表示噪声的第二元素；以像素点的比例因子为状态值，以像素点的原始图像梯度和模糊图像梯度的比值为观测值，构建表示状态值和观测值之间关系的观测模型；根据构建的状态模型和观测模型，进行Kalman迭代计算，从而估计各像素点的比例因子； 5)根据原始图像的聚焦信息，将各像素点的比例因子转换为各像素点的相对深度值。
2.根据权利要求1所述的获取图像深度信息的方法，其特征在于:所述步骤4)具体包括:确定F区域内各像素点的邻域内属于D区域的点的数量，按领域内属于D区域的点的数量排序，从数量最多的点开始进行Kalman滤波，估计各像素点的比例因子。
3.根据权利要求2所述的获取图像深度信息的方法，其特征在于:所述步骤4)中进行Kalman滤波时构建的状态模型包括三个状态参量，分别为JTfj = χ— fXj = X +-l.A)Pv~ t X1-X — + A)Px~.其中，义=a各(1 + f)_1 一参数αντ在0〈αντ< I的范围内取值；第二参数Yvt在-0.1≤Y VT 0.1的范围内取值；Y表示三个状态参量Χ(!，X i和X2的均值，X...= 1 ;p-表不三个状态参量X O，X1和X 2的方差,Px = > , ；.和分别为待计算的像素点的比例因子在(2_8，28)的分布范围内取值时的均值、方差和噪声方差。
4.根据权利要求3所述的获取图像深度信息的方法，其特征在于:按如下方法计算得到所述均值和方差-Jip=nJ,^’一?1-的值为(0,0.2)倍的其中，像素点的比例因子k在(2—8，28)的分布范围内进行釆样，釆样的L个点表示为{kj，1=1，
一一P(^i)2，......,L ；Vl表示为采样点的权重,V, =—Τ?ρ(^)的值为将Ii1的值作为k(i，j)代入第一分布函数后得到值，qGO的值为将Ic1的值作为k代入第二分布函数后得到值； 第一分布函数为:
5.根据权利要求3所述的获取图像深度信息的方法，其特征在于:所述步骤4)中进行Kalman滤波时构建的观测模型
6.根据权利要求5所述的获取图像深度信息的方法，其特征在于:所述步骤4)中进行Kalman迭代计算时，计算观测值的均值;~和方差Py，状态值和观测值之间的协方差Pxy，根据公式
7.根据权利要求6所述的获取图像深度信息的方法，其特征在于:设置迭代计
算的均值权重(m>和方差权重(￡1根据公式
8.根据权利要求7所述的获取图像深度信息的方法，其特征在于:根据公式 确定均值 权重和方差权重其中，第三参量βντ在 的范围内取值。
9.根据权利要求6所述的获取图像深度信息的方法，其特征在于:根据如下步骤计算得到F区域内的像素点的原始图像梯度和模糊图像梯度的比值R(i，j):100)以待计算的像素点(i，j)为中心，作一个大小为NqXNq的窗口 Ω ；200)将原始图像的窗口内的所有像素点以平面g(x，y)=Ax+By+C做线性拟合，即求出参数A、B、C，使得
10.根据权利要求1所述的获取图像深度信息的方法，其特征在于:所述步骤3)中具体包括如下步骤:301)计算像素点(i，j)的原始图像的梯度值
【文档编号】G06T7/00GK103473743SQ201310416866
【公开日】2013年12月25日 申请日期:2013年9月12日 优先权日:2013年9月12日
【发明者】王好谦, 袁新, 王兴政, 张永兵, 戴琼海 申请人:清华大学深圳研究生院