[发明专利]基于光场数据分布的深度估计方法

说明书

技术领域

本发明涉及计算机视觉与数字图像处理领域，特别涉及一种基于光场数据分布的深度估计方法。

背景技术

基于光场成像理论，新近发布的光场相机(如Lytro和RayTrix)获得了巨大的商业成功，并引发研究学界的广泛关注。普通用户利用单台相机除了能实现重聚焦与视点移动功能，也可以借助相关算法从所拍摄的光场图像中估算场景深度。该方法计算深度具有价廉、便捷等优势。

现存基于光场相机的深度估计方法大体可分为两类：立体匹配算法与光场分析算法。传统的立体匹配算法直接利用光场相机采集的各子孔径图像间的相关性计算深度。然而，这类算法通常计算复杂度较高，并且因为子孔径图像的低分辨率无法满足算法匹配所需精度要求，所以得到的深度结果质量较差。另一些改良的立体匹配算法，比如考虑光线传播的直线性，却仍旧因为只利用到光场数据中各视点图像的相关性信息，限制了深度估计的性能。

光场分析方法试图同时利用光场数据中包含的各视点图像的一致性与焦距信息这两种线索来估算深度。该类算法为不同线索定义不同的代价方程，并融合两种线索得到的深度估计进行互补来提升最终结果的准确度。但是，由该类算法估计的深度缺乏细节信息，在准确性与一致性上还有待提升。

发明内容

本发明的目的是提供一种基于光场数据分布的深度估计方法，以解决现有光场相机深度估计方法存在的上述技术问题中的至少一种。

本发明的思路是充分参考光场数据特性，从改变输入光场图像像素分布所得的一系列重聚焦光场图像中提取与焦距相关张量预估场景深度。进一步，还利用该张量随深度的变化趋势与场景中心子孔径纹理图的梯度信息建立多元可信度模型衡量各点初始深度质量，取长补短从而优化初步估计结果，达到利用光场相机采集数据计算高质量深度图像的目的。

本发明提供的一种基于光场数据分布的深度估计方法包括以下步骤：

S1、调整输入光场图像的像素分布，生成多个不同焦距的重聚焦光场图像；

S2、针对所述多个重聚焦光场图像，分别提取同一个宏像素的强度范围，进而选出最小强度范围对应的重聚焦光场图像，以该重聚焦光场图像的焦距作为该宏像素的场景深度；所述宏像素对应实际场景中的一点，所述宏像素的强度范围为该宏像素内所有点的强度值的变化范围；以及

重复所述步骤S2，获得所有宏像素的场景深度。

在上述的基于光场数据分布的深度估计方法中，优选地，所述步骤S1中，采用点扩散函数调整输入光场图像的像素分布。

在上述的基于光场数据分布的深度估计方法中，优选地，进一步还包括依据可信度模型对步骤S2获得的场景深度进行全局优化的步骤S3。

在上述的基于光场数据分布的深度估计方法中，优选地，所述的依据可信度模型对步骤S2获得的场景深度进行全局优化的步骤S3包括：以步骤S2获得的场景深度作为初始输入，利用马尔科夫随机场进行优化，具体的优化方法包括：依据所述可信度模型对各点的深度评估，利用准确性高的深度估计修正不准确的深度，提升同质区域深度估计的一致性并保留深度边界。

在上述的基于光场数据分布的深度估计方法中，优选地，所述可信度模型为多元可信度模型，该多元可信度模型包括用于衡量所述场景深度的准确性的第一部分，以及用于衡量所述场景深度在非边界区域的一致性与边界区域的突变性的第二部分。

在上述的基于光场数据分布的深度估计方法中，优选地，所述多元可信度模型的第一部分为C₁(x,y)，

其中，R_z*(x,y)和R_z’(x,y)分别是强度范围R_z(x,y)随场景深度的变化曲线的最小值点和极小值点，z*和z’为最小值点和极小值点对应的场景深度。

在上述的基于光场数据分布的深度估计方法中，优选地，所述多元可信度模型的第二部分以中心子孔径纹理图的梯度信息为基础；所述深度估计方法进一步还包括分别获取所述多个重聚焦光场图像的中心子孔径纹理图的步骤，以及用获取的中心子孔径纹理图通过所述多元可信度模型的第二部分计算可信度的步骤。