[发明专利]一种基于自适应权值的时域一致性深度视频估计方法

权利要求书

1.一种基于自适应权值的时域一致性深度视频估计方法，其特征是，包括如下步骤，

一、能量函数构造

首先通过块匹配的方法分别计算中间视点与左参考视点和右参考视点像素的亮度差值，并将其中的较小值作为能量函数的数据项，然后，对于每一个像素，分别计算相邻像素与其得的亮度差，将亮度差以一定权值进行加权作为能量函数平滑项；

二、帧间运动估计

通过计算当前帧与前一帧对应块的SAD(Sum of Absolute Difference)，将其与预先设定的阈值进行比较，确定此块是否为运动块；当SAD值小于阈值，则该块是静止的，将块内每一个像素的运动矢量MV取为(0,0)；当SAD值大于阈值，则该块是运动的，将该块划分为更小的块进行全搜索运动估计，得到块内每一个像素的运动矢量为(m,n)，SAD的定义如下：

$S=\underset{0\≤a,b\≤w}{\Σ}|I(x+a,y+b)-I_p(x+a,y+b)|$

其中I和I_p分别代表当前帧及前一帧对应像素的亮度值；w是块的大小；

三、自适应权值计算

利用第二步求得的帧间运动矢量(m,n)计算能量函数时域项的自适应权值λ_t；

四、基于运动的能量函数更新

首先利用第二步求得的运动矢量以及前一帧的深度信息，计算当前帧能量函数的时域项E_temp；

然后，以第三步得到的自适应权值作为时域项权值，将时域项代入能量函数，得到更新后的能量函数：

E(x,y,d)＝λ_d·E_data(x,y,d)+λ_s·E_smooth(x,y,d)+λ_t·E_temp(x,y,d)

E_smooth为像素的平滑项，E_data为能量函数数据项，E_temp当前帧能量函数的时域项；

五、能量函数最小化

采用图割法对以上能量函数进行最小化求值，得到可靠的视差值，并将其转化为深度值，视差与深度的转化方法如下：

$z=\frac{B\·f}{d}=\frac{B\·f}{|x_l-x_r|}$

其中B和f分别是相机的基线距离以及焦距；d是视差值，z是与其对应的深度值；x_l和x_r是左右视点中对应像素的坐标。