[发明专利]一种基于光场的图像深度估计方法

说明书

本发明涉及一种新的基于光场的图像深度估计方法。这种方法主要由三个重要部分组成：光场原始数据视点提取方法、基于块匹配的深度估计算法和基于显著特征约束的深度优化算法。所提出的光场原始数据视点提取方法，对未经去马赛克的光场数据进行视点分离；所采用的基于块匹配的深度估计算法仅对与中心视点处于同一行或同一列的视点对上并且记录相同光线颜色的对应块进行相似性度量；为优化深度估计结果，本发明提出基于显著特征约束的深度优化算法，提取显著特征点并进行匹配，将显著特征点的视差作为强约束条件。本发明的方法避免了插值过程引起的视点混淆，提升了深度估计准确性。

技术领域

本发明涉及图像深度提取方法，特别涉及一种基于光场的图像深度估计方法。

背景技术

图像深度估计是计算机视觉领域的一项基本内容。深度指的是场景中的某个点到相机平面的距离。如果能从真实拍摄的图像中准确地恢复出场景深度，将有利于诸多计算机视觉应用的实现。近年来，光场相机的出现为图像深度估计提出了新的解决思路。相比于传统相机，光场相机在传感器前放置了一个微透镜阵列，能在一次曝光期间记录到达成像面任意光线的位置与角度，全面描述四维光场，能在后续处理中实现深度估计、场景重聚焦、变换视点等多种应用。

目前，一些基于光场的深度估计方法被提出，取得了较好的成果，但也存在着一些问题。比如，主流的光场图像深度估计方法集中于对已分离视点的光场数据进行深度估计，视点分离时采用去马赛克后的光场数据，然而在去马赛克过程时引入的视点间混淆却不能在后续处理中去除，很大程度上制约了深度估计的准确性。此外，一些算法使用根据经验计算深度估计值的置信度，在优化过程中加入了人为影响。

发明内容

本发明的目的在于提供一种基于光场的图像深度估计方法，避免插值过程引起的视点混淆，提升深度估计准确性。

为此，本发明提出的一种基于光场的图像深度估计方法，其特征在于包括如下步骤：S1、光场原始数据视点提取：获取场景在不同视角下的图像，根据估计的子图像中心位置，对未经去马赛克的光场数据进行视点分离，再对缺失像素的信息进行插值处理；S2、基于块匹配的深度估计：对与中心视点处于同一行或同一列的视点对上并且记录相同光线颜色的对应块进行相似性度量，找到使相似性最大的深度。

优选地，本发明基于光场的图像深度估计方法还包括如下步骤：S3、基于显著特征约束的深度优化：提取显著特征点并进行匹配，将估计出的视差作为强约束条件，优化深度估计。

本发明的优点在于，由于分离视点前并未进行去马赛克处理，避免了视点混淆，从而提升了深度估计准确性。

进一步地，由于采用了基于显著特征约束的深度优化算法，所提取的显著特征点在不同视点间的匹配作为强约束条件加入优化目标函数，进一步提升了深度估计准确性。

附图说明

图1是本发明实施例基于光场的图像深度估计方法的流程示意图。

图2是本发明实施例从原始数据中提取视点的示意图。

图3是本发明实施例以一维插值为例填补空白像素位置的示意图。

具体实施方式

图1为本发明实施例方法的框架，该方法包含三个部分：第一，光场原始数据视点提取方法，获取场景在不同视角下的图像，它根据估计的子图像中心位置，对未经去马赛克的光场数据进行视点分离，再对缺失像素的信息进行插值处理。第二，基于块匹配的深度估计算法，对与中心视点处于同一行或同一列的视点对上并且记录相同光线颜色的对应块进行相似性度量，找到使相似性最大的深度。第三，基于显著特征约束的深度优化算法，提取显著特征点并进行匹配，将估计出的视差作为强约束条件，优化深度估计。

下面通过对光场原始数据视点提取方法、基于块匹配的深度估计算法和基于显著特征约束的深度优化算法进行数学建模来说明本发明实施例的基本原理。