[发明专利]一种立体图像重定向方法

摘要

本发明涉及一种立体图像重定向方法，包括：首先根据像素的纹理相似性和视差相似性建立能量方程；再根据建立的能量方程建立代价矩阵M，并且利用动态规划来选择出能量代价最小的线；将深度信息和平面显著性图相结合得到立体显著性图；对显著性图进行空间相干滤波后得到最终的重要性图IM；给左视图分配缩放因子；根据左右视图的视差，找到左右视图中像素间的对应关系，得到右视图的像素的缩放因子；根据每个像素的缩放因子，利用像素融合算法来对图像进行重定向处理，得到最终的重定向后的图像。本发明能够减小视觉失真。

主权项

1.一种立体图像重定向方法，包括下列步骤：/n1)首先根据像素的纹理相似性和视差相似性建立线选择能量方程，即/nE_total(i,j,j^±)＝E_intensity(i,j,j^±)+α·E_match(i,j),/n /nE_L(i,j,j^±)＝E^v(i,j,j^±)+E^h(i,j)/nE^h(i,j)＝|I(i,j+1)-I(i,j-1)|/n /n /n /nE_match(i,j)＝E_diff(i,j)+D_n(i,j)/nE_diff(i,j)＝|I_L(i,j)-I_R(i,j+D(i,j))|/n其中(i,j)代表第i行被选择像素的坐标，j^±代表第i-1行被选择的像素的纵坐标；E_total(i,j,j^±)表示坐标为(i,j)的像素的总能量，E_intensity(i,j,j^±)为坐标为(i,j)的像素的纹理相似性能量，E_match(i,j)为坐标为(i,j)的像素的匹配能量，α为阈值，E_L(i,j,j^±)代表左图中坐标为(i,j)的像素的纹理相似性能量，代表右视图中坐标为(i,j_R)的像素的纹理相似性能量，其计算方法和E_L(i,j,j^±)的计算方法相同，其中(i,j)和(i,j_R)为左右视图中一对匹配像素的坐标，其匹配关系为j＝j_R+D(i,j)，D(i,j)代表坐标为(i,j)的像素的视差值，E^h(i,j)代表坐标为(i,j)的像素与其水平方向上相邻像素之间的纹理相似性能量，其中I(i,j)表示图像I中坐标为(i,j)的像素的像素值，Ev(i,j,j^±)代表坐标为(i,j)的像素与其垂直方向上相邻像素之间的纹理相似性，E_diff(i,j)代表左视图中坐标为(i,j)的像素与其在右视图中坐标为(i,j+D(i,j))的相匹配像素的像素差值，其中I_L(i,j)表示左视图I_L中坐标为(i,j)的像素的像素值，I_R(i,j+D(i,j))表示右视图I_R中坐标为(i,j+D(i,j))的像素的像素值，D(i,j)代表左视图中坐标为(i,j)的像素的视差值，D_n(i,j)表示左视图中坐标为(i,j)的像素归一化后的视差值；/n再根据建立的能量方程建立代价矩阵M，并且利用动态规划来选择出能量代价最小的线，也就是重要性值较小的线，并根据线选择的顺序给每一条线标记一个ID；/n2)将深度信息和平面显著性图相结合得到立体显著性图S_3D；/n3)对显著性图进行空间相干滤波后得到最终的重要性图IM；/n4)给左视图分配缩放因子：将左视图进行区域分类：可匹配区域、不可匹配区域类，并给不同的区域设置不同的缩放因子，以线为单位为图像中的像素分配缩放因子，对于可匹配区域中的线，根据线的重要程度进行缩放因子分配，重要性高的线分配较大的缩放因子值，重要性低的分配较小的缩放因子值；对于不可匹配区域中的线，直接分配值为1的缩放因子来保存整体视差；/n5)根据左右视图的视差，找到左右视图中像素间的对应关系，得到右视图的像素的缩放因子；/n6)根据每个像素的缩放因子，利用像素融合算法来对图像进行重定向处理，得到最终的重定向后的图像。/n