[发明专利]一种基于引导滤波器的鲁棒深度图结构重建和去噪方法

权利要求书

1.一种基于引导滤波器的鲁棒深度图结构重建和去噪方法，其特征在于，包括以下步骤：

S1、输入待修复的深度图、加噪的深度图和对应的彩色图，对潜在结构错误区域进行探测，利用Guided Filter对输入图不同的滤波结果得到差值，作为像素点的不一致量度，潜在结构错误区域为：对输入深度图先以小窗口进行引导滤波，得到预处理后的深度图，再用大半径的窗口对深度图进行引导滤波，引入彩色图的纹理信息，将两个结果的差值定义为潜在结构错误区域，在潜在结构错误区域分别对深度图和彩色图计算高斯权重，并用彩色图权重对深度图权重进行加权平均，作为深度值可信程度的度量值，位于i的像素点深度值的可信度具体为：

其中，R＞＞r，guided(D,R)为用大半径的窗口对原始深度图进行引导滤波，guided(D,r)代表用小半径的窗口对原始深度图进行引导滤波；

S2、基于迭代重加权最小二乘算法构建权重；

S3、利用前一次迭代的结果计算此次迭代的权重和结构错误区域，并整体求解，求解完成后更新深度图；

S4、判断每次迭代的迭代次数是否达到初始化时指定的值，如果没有达到则转步骤S1，利用更新后的深度图计算结构错误区域和权重，直到迭代次数达到设定值，整个迭代过程结束，输出深度图。

2.根据权利要求1所述的基于引导滤波器的鲁棒深度图结构重建和去噪方法，其特征在于，步骤S1中，对位于i的像素点深度值的可信度进行二值化，计算位于i点的深度图和彩色图的一致性度量值如下：

其中，表示位于i点的深度图和彩色图的一致性度量值，1表示一致，0表示不一致；threshold是用户自定义的一个常量。

3.根据权利要求1所述的基于引导滤波器的鲁棒深度图结构重建和去噪方法，其特征在于，步骤S2具体为：基于迭代重加权最小二乘算法构建平滑项的权重，以输入深度图D⁰作为迭代初始条件，在迭代中不断更新深度图权重深度值可信度和一致性度量值在每次迭代中实现去噪和结构错误区域值的修复，最终确定深度值可信度和平滑项权重ωⁿ。

4.根据权利要求3所述的基于引导滤波器的鲁棒深度图结构重建和去噪方法，其特征在于，在第n次迭代中，平滑项的权重构造如下：

其中，分别表示位于i、j的像素点深度值的可信程度，为彩色图权重，为深度图权重，i为第i个像素点，j为以像素点i为中心的邻域像素点。

5.根据权利要求1所述的基于引导滤波器的鲁棒深度图结构重建和去噪方法，其特征在于，步骤S3中，基于迭代重加权最小二乘算法进行求导得到线性解，利用前一次迭代的结果计算此次迭代的权重和结构错误区域，并整体求解，求解完成后更新深度图。

6.根据权利要求5所述的基于引导滤波器的鲁棒深度图结构重建和去噪方法，其特征在于，求导得到线性解如下：

其中，n表示迭代次数，表示第n+1次迭代i位置处的深度值，表示位于i的像素点深度值的可信度，j表示以i为中心的像素邻域，表示第n次迭代j位置处的深度值，表示第n次迭代平滑项的权重，表示初始输入的深度图在i处的值，α是平衡数据项和平滑项的常数，N(i)是以i为中心的矩形窗口。