[发明专利]一种基于聚焦堆栈单体数据子集架构的全局计算成像方法

权利要求书

1.一种基于聚焦堆栈单体数据子集架构的全局计算成像方法，其特征在于，包括：

步骤1，从场景图像聚焦堆栈数据中找出聚焦测度值最大的场景图像；

步骤2，利用如下式(6)，在每一幅所述场景图像中划分出每一个单体j所在区域D_j对应的区域图像h_j(x，y)，j＝1，2，...，J；

式(6)中，h_j(x，y)表示第j个单体的区域图像，supp(*)表示*所在的图像区域，D_j表示第j个单体区域图像在(x，y)空间上的支集，D表示聚焦堆栈数据在(x，y)空间上的支集；

步骤3，在步骤1获得的最大聚焦测度值的场景图像的每一个单体j的区域图像h_j(x，y)上，找出每一个单体的单体区域；

步骤4，利用步骤3中得到的第j个单体的单体区域D_j，找出第j个单体的聚焦堆栈数据，则第j个单体的第i个图像表示为式(7)：

步骤5，在第j个单体的单体区域D_j中选定代表区域，以从第j个单体的聚焦堆栈数据的I个场景图像中筛选出V个场景图像，筛选后得到第j个单体的第v个图像表示为式(8)，进而得到由式(9)表示的聚焦堆栈单体数据子集：

其中，表示利用式(5)计算得到的所选取的第j个单体的代表区域的聚焦测度大小，W表示选取的第j个单体的代表区域的宽度，H表示选取的第j个单体的代表区域的高度，表示第j个单体在深度s_v下像素点(x，y)处的聚焦测度，T_j表示聚焦测度阈值，i₁，i₂，...，i_V是经由筛选后的聚焦堆栈单体数据子集中的图像标号；

步骤6，对步骤2获取的聚焦堆栈单体数据子集进行单体的深度重建和全聚焦成像；

步骤7，对步骤6重建的单体进行局部一致性优化；

步骤8，将步骤7优化后的单体进行全局融合。

2.如权利要求1所述的基于聚焦堆栈单体数据子集架构的全局计算成像方法，其特征在于，步骤3具体包括：

步骤31，采用Alpha Matting方法，在步骤1获得的聚焦测度值最大的场景图像的每一个单体j的区域图像h_j(x，y)上，获取初步的单体区域；

步骤32，利用扫描线种子填充算法，对步骤31获得的初步的单体区域内部进行填充，得到最终的单体区域。

3.如权利要求1或2所述的基于聚焦堆栈单体数据子集架构的全局计算成像方法，其特征在于，步骤1通过下式(4)计算像素点的聚焦测度值：

上述各式中，为场景图像上第j个单体的像素点(x，y)在深度s_v下的聚焦测度，α表示介于0到1之间是加权系数，由式(3)计算得到，N表示所取的聚焦测度窗口的边长大小，(x，y)表示所取的聚焦测度窗口的中心像素点，(x′，y′)为(x，y)的窗口范围内地像素，由式(2)计算获得，T为阈值，由式(4)计算得到，Ω(x，y)表示以像素点(x，y)为中心的邻域，用邻域Ω(x，y)内特征点总数进行表征，K表示邻域Ω(x，y)内特征点的总数，k＝1，2，...，K；(x_k，y_k)为第k个特征点的坐标，用来判断第k个特征点(x_k，y_k)是否属于Ω(x，y)，即在第k个特征点(x_k，y_k)属于Ω(x，y)的情形下，T(x_k，y_k，d)的值为1；在第k个特征点(x_k，y_k)不属于Ω(x，y)的情形下，T(x_k，y_k，d)的值为0。