[发明专利]一种单幅静态图像深度估计方法及装置

说明书

【技术领域】

本发明涉及计算机图像处理领域，特别是涉及一种单幅静态图像深度估计方法及装置。

【背景技术】

人类的视觉机理和反射条件具有一定的共性，这会使图像中一定的显著性区域，如图像的边缘、色差梯度较大的图像区域，总会引起人们的注意。基于这种原理，可以对图像中的显著性的区域进行检测，提取出显著性值的灰度图像，从而广泛的应用于计算机视觉领域，包括对兴趣目标物体的图像分割，目标识别，自适应压缩，内容感知图像编辑，和图像检索等。同时，对图像的显著性区域的检测研究反过来对研究人类视觉系统的信息加工也有帮助。

显著性这个词最早由Tsotsos et al.以及Olshausen et al.等人提出，在Itti等人的文章中首次对显著性区域做了快速的场景分析，来获得显著性图，显著性检测(saliency detection)通常也被叫做视觉关注(visual attention)区域的检测。显著性估计的方法可以广泛的概括为以生物学为基础的方法，纯计算的方法，或者是二者结合的方法。一般的所有的方法都会通过检测图像不同区域与其周围信息的对比度来实现，通过检测亮度、色彩、梯度、纹理等特征来实现。

全自动2D转3D技术完全不需要人工干预，但是对其深度效果而言，有人工参与的算法比无人工参与的算法更为精确，因为人工参与提供了部分先验知识。2D转3D技术的关键步骤为图像深度信息的恢复，在获取了单目视频的或图像的深度后，依据基于深度的图像渲染算法，渲染出其余视点图像。在深度信息提出与恢复的过程中，针对视频序列，一般以关键帧对视频场景进行分割，关键帧内视频可认为是无过度的镜头切换的一段连续视频序列。提取关键帧之后，一般主要对关键帧图像进行深度恢复，对关键帧之间的图像序列做双向或单向的深度蔓延，以获取整个视频的深度图，因此关键帧图像的深度信息恢复是2D转3D技术的研究重点。

对全自动2D转3D算法，视频关键帧由于场景的切换，其缺少视频帧间关系，来对运动物体或前景物体做出有效的识别。因此对单幅静态图像的深度信息恢复算法十分重要，但是其深度恢复过程却十分复杂。一般情况下需要经过某种假设来设定其深度的变化趋势，比如图像自底向上可以认为是深度的由远及近。最近，J.Kim等人提出了一种基于图像显著性区域检测的全自动2D转3D算法，其算法将显著性检测后的显著 性图直接作为深度图，经过渲染完成另一视点视频序列的恢复。但是经过研究我们可以发现，显著性检测算法并不十分准确，虽然其可以有效的标示出关键信息所在的位置，但是在整体结构、边缘纹理上存在缺陷。

【发明内容】

为了解决上述技术问题，本发明提供了一种单幅静态图像深度估计方法及装置，以弥补现有的基于图像显著性区域检测的整体结构、边缘纹理上存在缺陷。

一种单幅静态图像深度估计方法，包括如下步骤：

显著性检测步骤，对图像进行显著性区域检测，获得显著性灰度图；

确定深度参考点步骤，对所述显著性灰度图确定深度参考点；

初始深度计算步骤，对所述深度参考点赋予设定深度值，确定点所述显著性灰度图中的像素点p的深度积累值d(p)，确定所述显著性灰度图的初始深度图；

其中，d(p)＝min{d(q)+S(p)×E(p，q)|q∈neighbor(p)}S(p)为像素点p的灰度值的权重参数，neighbor(p)为以像素点p为中心的领域，像素点q为neighbor(p)内的其中一点，E(p,q)表示像素点p和像素点q之间的边界权重；

深度图细化步骤，对所述初始深度图进行平滑处理。

优选地，所述深度参考点的横坐标X和纵坐标Y通过如下算法确定：