[发明专利]一种多波段光谱的深度估计方法

说明书

本发明提供了一种多波段光谱的深度估计方法，包括如下步骤：步骤1：用相机拍摄不同波段的原始图像P₀(x,y)、P₁(x,y)、···、P_i(x,y)，其中i表示不同波段；步骤2：以单一波段原始图为输入，以h(x,y)为卷积核，根据图像卷积公式P'(x,y)＝P(x,y)*h(x,y)，得到卷积后的模糊图像P'(x,y)；步骤3：分别计算原始图像P(x,y)和模糊图像P'(x,y)的边缘，根据得到边缘区域计算原始边缘梯度P_{E_G}(x,y)和模糊边缘梯度P'_{E_G}(x,y)；步骤4：将原始图像边缘P_{E_G}(x,y)除以模糊边缘梯度P'_{E_G}(x,y)，得原始图像和边缘图像的模糊比值σ(x,y)；步骤5：根据所得模糊比值σ(x,y)根据透镜成像公式计算稀疏深度；步骤6：对后续的波段原始图像分别再重复上述2‑5的步骤，并结合每个波段的聚焦位置，实现图像中的真实结构位置约束。

技术领域

本发明涉及一种多波段光谱的深度估计方法。

背景技术

基于图像的深度估计，是指从单幅或多福二维图还原被测量样品表面的三维形貌信息，其估计的深度图可应用于无人驾驶、微纳结构件形貌检测等领域，具有重要的研究意义及应用价值，是计算机视觉和图形学领域的重要研究问题。传统成像设备均采用自然光照明下的图像信息进行还原，这种方法在单目相机下，受限于图像内的非确定性约束关系，难以用单张图像还原图像的深度信息。在多目相机成像系统下，虽然增加了图像间内的约束关系，但还原图像的冗余信息增加，且不同角度获取的图片信息存在一定的采集死角，难以还原图上上完整的深度信息。深度学习还原方法虽然可以通过训练在一定程度上解决单目单帧图像的深度，但需要大量的数据集，且缺乏一定的泛化能力。因此，需要寻找一种能够解决上述问题的方法。

发明内容

本发明所要解决的主要技术问题是提供一种多波段光谱的深度估计方法。

为了解决上述的技术问题，本发明提供了一种多波段光谱的深度估计方法，包括如下步骤：

步骤1：用相机拍摄不同波段的原始图像P₀(x,y)、P₁(x,y)、···、P_i(x,y)，其中i表示不同波段；i≥2；

步骤2：以单一波段原始图为输入，以h(x,y)为卷积核，根据图像卷积公式P'(x,y)＝P(x,y)*h(x,y)，得到卷积后的模糊图像P'(x,y)；

步骤3：分别计算原始图像P(x,y)和模糊图像P'(x,y)的边缘，根据得到边缘区域计算原始边缘梯度P_{E_G}(x,y)和模糊边缘梯度P'_{E_G}(x,y)；

步骤4：将原始图像边缘P_{E_G}(x,y)除以模糊边缘梯度P'_{E_G}(x,y)，得原始图像和边缘图像的模糊比值σ(x,y)；

步骤5：根据所得模糊比值σ(x,y)根据透镜成像公式计算稀疏深度，其中k为常数，D为光学系统通光孔径；s为像面与光学系统距离；d_f为物方焦距；d为物体深度。

步骤6：对后续的波段原始图像分别再重复上述2-5的步骤，最后结合每个波段的聚焦位置，即可实现图像中的真实结构位置约束。

在一较佳实施例中：所述步骤1中的拍摄不同波段的原始图像采用在单目相机上加装不同波段滤光片获取，或采用具备一次成像可以收集多个波段图像的多光谱相机，或利用多目相机配置滤光片获取不同光谱波段图片。

在一较佳实施例中：所述步骤2中的卷积核包括：任意近似成像系统的点扩散函数。

在一较佳实施例中：所述点扩散函数为高斯核、柯西核或高斯-柯西核。