[发明专利]一种基于均值漂移算法和数学形态学的深度图分割方法

说明书

技术领域

本发明涉及深度图分割领域。

背景技术

深度图是与二维图像大小相等的灰度图像，如图1与图2所示，其各像素的灰度值反应了二维图像中相同位置像素的深度值，即该像素所代表实物与观察者的距离，灰度值越高，代表距离越近，反之，则较远。深度z可由以下方程求出：

z(r,c)=1.0(P(r,c)/255.0)×(1.0/MinZ-1.0/MaxZ)+1.0/MaxZ---(1)]]>

其中z(r，c)代表r行c列处像素的实际深度值，P(r，c)为该位置深度图的灰度值，MinZ和MaxZ分别为深度最小和最大值。

深度图可由激光测距雷达，双目视频深度估计算法和单目视频深度估计算法等方法得出。深度图的分割是基于深度的图像理解、图像压缩、目标识别以及追踪等技术中的重点和难点之一。对深度图进行分割，能够更好的反应出图像内容的含义。目前主要的图像分割方法有基于阈值分割、基于区域生长和分裂、基于形状和基于统计模型的分割等几类。由图3可以看出，深度图中具有大片的非平滑区域和灰度渐变区域。以地面区域为例，其灰度变化范围几乎跨越了整幅图像的灰度范围，且不平坦，而从视觉角度整个地面都属于背景，我们希望把其分割为一个整体，并且希望分割过程的自动化程度尽可能高，这是现有分割方法无法完成的。

发明内容

本发明为了解决现有分割方法无法自动化程度高对背景进行分割，并且将背景分割成为一个整体的问题，从而提供一种基于均值漂移算法和数学形态学的深度图分割方法。

一种基于均值漂移算法和数学形态学的深度图分割方法，它包括如下步骤：

步骤一：根据灰度为f(x，y)的深度图像生成深度图的灰度直方图hisk(k)；所述L为灰度级，L＝0，1…255；

所述的灰度直方图的横坐标为灰度级L，纵坐标为灰度级出现的频率；

步骤二：利用一维高斯窗函数对灰度直方图进行平滑处理，并设定前景阈值T；

所述前景阈值T为按灰度值从高到低的第一个包含了一定语义范围的极小值，所述一定语义范围为该区域内所含像素数大于整个图像像素数的10％，即hist(k＞T)＞10％*hist(0...L-1)；所述极小值为hist(k)＝min(hist(k-4)，hist(k-3)...hist(k+4))；

步骤三：根据前景阈值T调节步骤一所述的深度图的灰度值，将灰度值高于所述前景阈值T的像素的灰度提升10；

步骤四：将步骤三获得的深度图利用数学形态学“关”操作进行修正；

步骤五：利用均值漂移算法将步骤四获得的深度图进行聚类分割；

所述均值漂移算法的公式为：