[发明专利]一种双目图像中显著性目标的距离测量方法

说明书

技术领域

本发明涉及一种双目图像中目标的距离测量方法，尤其涉及一种双目图像中显著性目标的距离测量方法，属于图像处理技术领域。

背景技术

距离信息在交通图像处理当中主要应用于为汽车的控制系统提供安全判断。在智能汽车的研究过程中，传统的目标测量方法是利用特定波长雷达或激光对目标进行测距。与雷达和激光相比，视觉传感器具有价格上的优势，同时视角也更加开阔。并且利用视觉传感器在测量目标距离的同时，能判断出目标的具体内容。

但是目前的交通图像信息相对繁杂，传统的目标距离测量算法很难在复杂图像中得到理想结果，由于无法找到图像中显著性目标而是全局检测，使得处理速度较慢并增加了很多的无关数据，使得算法无法满足实际应用要求。

发明内容

本发明的目的是提出一种双目图像中显著性目标的距离测量方法，以解决现有的目标距离测量方法处理速度慢的问题。

本发明所述的一种双目图像中显著性目标的距离测量方法，是按照以下步骤实现的：步骤一、利用视觉显著性模型对双目图像进行显著性特征提取，并标出种子点和背景点，具体包括：

步骤一、利用视觉显著性模型对双目图像进行显著性特征提取，并标出种子点和背景点，具体包括：

步骤一一、首先进行预处理，对双目图像进行边缘检测，生成双目图像的边缘图；步骤一二、利用视觉显著性模型对双目图像进行显著性特征提取，生成显著性特征图；

步骤一三、根据显著性特征图找出图中灰度值最大像素点，标记为种子点；并以种子点为中心的25×25的窗口内遍历像素，找出像素点的灰度值小于0.1的且距离种子点最远的像素点标记为背景点；

步骤二、对双目图像建立加权图；

利用经典高斯权函数对双目图像建立加权图：

其中，W_ij表示顶点i和顶点j之间的权值，g_i表示顶点i的亮度，g_j表示顶点j的亮度，β是自由参数，e为自然底数；

通过下式求出加权图的拉普拉斯矩阵L：

其中，L_ij为拉普拉斯矩阵L中对应顶点i到j的元素，d_i为顶点i与周围点权值的和，d_i＝ΣW_ij；

步骤三、利用步骤一中的种子点和背景点和步骤二中的加权图，通过随机游走图像分割算法将双目图像中的显著性目标分割出来；

步骤三一、将双目图像的像素点根据步骤一标记出的种子点和背景点分出两类集合，即标记点集合V_M与未标记点集合V_U，拉普拉斯矩阵L根据V_M和V_U，优先排列标记点然后再排列非标记点；其中，所述L分成L_M、L_U、B、B^T四部分，则将拉普拉斯矩阵表示如下：

其中，L_M为标记点到标记点的拉普拉斯矩阵，L_U为非标记点到非标记点的拉普拉斯矩阵，B和B^T分别为标记点到非标记点和非标记点到标记点的拉普拉斯矩阵；

步骤三二、根据拉普拉斯矩阵和标记点求解组合狄利克雷积分D[x]；

组合狄利克雷积分公式如下：

其中，x为加权图中顶点到标记点的概率矩阵，x_i和x_j分别为顶点i和j到标记点的概率；

根据标记点集合V_M与未标记点集合V_U，将x分为x_M和x_U两部分，x_M为标记点集合V_M对应的概率矩阵，x_U为未标记点集合V_U对应的概率矩阵；将式(4)分解为：

对于标记点s，设定m^s，如果任意顶点i为s，则否则对D[x_u]针对x_U求微分，得到式(5)极小值的解即为标记点s的狄利克雷概率值：

其中，表示顶点i首次到达标记点s的概率；

根据通过组合狄利克雷积分求出的按照式(7)进行阈值分割，生成分割图：

其中，s_i为某一顶点i在分割图中对应位置的像素大小；