[发明专利]一种深度图像分层方法及系统

说明书

本发明公开了一种深度图像分层方法及系统。所述方法包括：获取当前帧的RGB图和当前帧的深度图；根据当前帧的RGB图和上一帧的RGB图计算初始光流；初始光流包括多个光流值；利用K均值算法对初始光流进行聚类得到K个初始聚类；一个初始聚类对应一个高斯模型；对于任意一个光流值，执行二次聚类过程，得到光流值的二次聚类结果；根据所有光流值的二次聚类结果对当前帧的深度图进行分层得到分层结果。本发明利用RGB图和高斯模型对光流值进行聚类，从而实现深度图的分层，提高了深度图分层的准确性。

技术领域

本发明涉及图像序列场景流技术领域，特别是涉及一种深度图像分层方法及系统。

背景技术

场景流(Scene Flow)本质上是场景或者物体运动时形成的三维运动矢量。通过研究场景流计算技术，可以从图像序列中恢复场景的空间结构信息或者物体的三维运动形态，所以3D场景流计算技术逐渐成为是图像处理、计算机视觉与人工智能等领域的研究热点，其研究成果广泛应用于军工、文物复原、航空航天、医学影像跟踪识别、虚拟现实等领域。

目前，深度分层方法是RGBD图像序列场景流计算技术中最常采用的场景流计算技术，而传统的深度分层方法仅依靠通过深度图相机拍摄得到深度图像，根据深度图像的像素点到聚类中心的距离对该深度图进行分层，深度图相机拍摄得到的深度信息不准确，且获得的深度分层结果误差较大，特别对于图像序列中包含遮挡和大位移等复杂场景，容易产生过度分层和边缘模糊等问题，导致最终场景流计算结果的准确性差。

发明内容

本发明的目的是提供一种深度图像分层方法及系统，利用RGB图和高斯模型对光流值进行聚类，从而实现深度图的分层，以提高深度图分层的准确性。

为实现上述目的，本发明提供了如下方案：

一种深度图像分层方法，所述方法包括：

获取当前帧的RGB图和当前帧的深度图；

根据所述当前帧的RGB图和上一帧的RGB图计算初始光流；所述初始光流包括多个光流值；

利用K均值算法对所述初始光流进行聚类得到K个初始聚类；一个所述初始聚类对应一个高斯模型；

对于任意一个所述光流值，执行二次聚类过程，得到所述光流值的二次聚类结果；

根据所有光流值的二次聚类结果对所述当前帧的深度图进行分层得到分层结果；

所述二次聚类过程为：

根据所述初始光流、所述初始聚类和上一迭代次数下的各个高斯模型的高斯参数，计算当前迭代次数下的各个高斯模型的高斯参数；所述高斯参数包括：协方差矩阵、期望和权值；根据所述当前迭代次数下的各个高斯模型的高斯参数计算当前迭代次数下的对数似然函数；

判断所述当前迭代次数下的对数似然函数与上一迭代次数下的对数似然函数的差值的绝对值是否小于设定阈值；

若是，则根据所述当前迭代次数下的各个高斯模型的高斯参数计算各个高斯模型对于所述光流值的响应度，并将所述响应度最大的高斯模型对应的初始聚类的类别作为所述光流值的所属类别，得到所述光流的二次聚类结果；

若否，则更新迭代次数后，并返回“根据所述初始光流、所述初始聚类和上一迭代次数下的各个高斯模型的高斯参数，计算当前迭代次数下的各个高斯模型的高斯参数”的步骤。

可选的，所述利用K均值算法对所述初始光流进行聚类得到K个初始聚类，具体包括：

随机产生K个聚类中心；

计算所述初始光流中各所述光流值对应的像素点到所述聚类中心的欧式距离；

根据所述欧式距离，对所述初始光流聚类，得到K个所述初始聚类。