[发明专利]一种基于分裂迭代算法的光场深度估计方法

权利要求书

1.一种基于分裂迭代算法的光场深度估计方法，其特征在于，包括以下步骤：

A、对输入的光场图像进行校正，得到校正后光场图像；

B、基于傅立叶相移定理求得所述校正后光场图像的某一个视角子孔径图像I(x)在发生位移Δx后的另一视角的子孔径图像I(x+Δx)；

F{I(x+Δx)}＝F{I(x)}exp^2πiΔx (1)

I(x+Δx)＝F^-1{F{I(x)}^exp2πiΔx} (2)

其中x表示在空间直角坐标系(X，Y，Z)下像素点，Δx表示所述子孔径图像I(x)与所述位移后子孔径图像I(x+Δx)之间的位移，且Δx∈R²，R²表示二维；i表示虚数；F表示离散二维傅里叶变换；

C、对所有子孔径图像进行立体匹配，构建能量函数得到初始深度图，包括如下步骤：

C1、构建能量函数C；

能量函数C定义为像素点x及深度标签l的函数：

C(x,l)＝ωC_A(x,l)+(1-ω)C_G(x,l) (3)

其中，C_A表示SAD(绝对和之差)，C_G表示GRAD(梯度差之和)；ω∈[0,1]，其用于调节成本C_A和成本C_G之间的相对重要程度；

Δx(s,l)＝lk(s-s_c) (5)

R_x是一个以在空间直角坐标系(X，Y，Z)下像素点x为中心的小矩形区域；τ₁为截断值；V表示在角度坐标系(s，t)下除中心视角s_c外的各视角角度坐标；k是深度标签l的像素级单位；

其中，Diff_x(s_c,s,x,l)＝|I_x(s_c,x)-I_x(s,x+Δx(s,l))|表示子孔径图像之间在空间直角坐标系下X轴方向上的梯度差异，Diff_y(s_c,s,x,l)＝|I_y(s_c，y)-I_y(s,y+Δx(s,l))|表示子孔径图像之间在空间直角坐标系下Y轴方向上的梯度差异，τ₂为截断常数，其用于抑制异常值；其中y表示空间直角坐标系下另一像素点；

在等式(6)中ψ(s)用于控制基于相对角度坐标系(S，T)的两个方向梯度差的相对重要程度，ψ(s)定义如下：

其中s_c,t_c为中心视角子孔径图像的角度坐标，s，t为其他视角子孔径图像的角度坐标；

C2、能量函数的优化；

使用SIFT算法提取各视角子孔径图像的特征点，对这些特征点进行匹配，可求得特征像素点对应的深度l_c，将其用于能量函数的优化，得到的优化后的能量函数C’表示为：

其中，Mc表示具有可靠匹配对应关系的像素点，l_c为特征像素点对应的深度；

C3、利用图割法将优化后的能量函数C’最小化，得到各像素点对应深度标签l，即得到初始深度图；

D、通过对初始深度图进行置信度计算，找到初始深度图中不准确的像素点并对其进行优化，置信度计算分为两部分，全局置信度下降与边缘置信度的下降，具体包括以下步骤：

D1、全局置信度下降；

通过使用阈值来计算初始深度图的置信度：

其中，d_min和d_max分别是优化后的能量函数C’中一个像素能量函数的最小值和最大值，σ为一常量，τ是确定初始深度图精度水平的阈值；

通过公式(9)可以找到深度估计不准确的像素点，将这些像素位置处的置信度降低；

D2、边缘置信度的下降；

对D1中置信度降低后的结果进一步采用边缘检测，计算得到初始深度图的边缘信息，并降低边缘区域的置信度，与D1中所得置信度融合，作为掩模M；

D3、根据初始深度图和掩模M得到损失图像d；

E、根据掩模M和损失图像d得到优化深度图d’；

优化深度图d’稀疏表示为：

其中D为字典，α为稀疏系数，α的优化问题表示为：

其中，α’为所求优化系数，γ为常量；

根据SBI算法，将公式(12)重新写成如下形式：

将上式(13)分为两个子问题：

其中，j代表迭代次数，通过SBI算法分别对公式(13)公式(14)迭代计算，得到α并将其带回公式(10)即可得到优化的深度图d’。