[发明专利]RGBD序列场景流计算中深度图像优化方法

摘要

本发明公开了一种RGBD序列场景流计算中深度图像优化方法，首先设定初始分割层数并采用K均值聚类得到深度图像初始分割结果；然后计算RGB图像序列帧间光流，利用深度图像初始分割结果中相邻层之间的光流平均角误差和点误差判断相邻层是否合并；最后通过对深度图像初始分层结果进行循环判断，当深度图像分层层数不再改变时，得到RGBD序列场景流计算中深度图像的自动分层层数与最终分割结果。与现有的深度图像人工分层方法相比，本方法能够实现深度图像自动分层，分割结果更加准确。

主权项

1.RGBD序列场景流计算中深度图像优化方法，其特征在于，其步骤如下：1)首先设定任意初始分层层数；2)计算RGB图像序列连续两帧图像间的光流，并根据初始分层层数对深度图进行K均值聚类，得到初始的分割图；3)利用RGB序列图像帧间的光流，判定分割图的相邻层是否满足合并条件，判断规则如下：a)检测初始分层的各层区域是否相邻，如果不相邻，则不是同一运动物体，保留初始分层结果；b)检测初始分层结果中相邻层平均光流的角误差AE和点误差EE，满足式(1)中任意一个判定公式则将初始分层结果中的相邻层进行合并：式中：和表示初始分层结果中第k层和第k+1层水平方向上的光流平均值；和表示初始分层结果中第k层和第k+1层垂直方向的光流平均值；ae和ee表示初始分层结果中相邻两层执行合并的阈值；4)对执行完合并的分割图进行重新排序，得到自动分层层数N_auto和深度图像分割优化结果；5)将得到的自动分层层数N_auto和深度图像分割优化结果，作为初始分层数和初始深度图像循环执行步骤3)和步骤4)，当深度图像自动分层层数N_auto不再改变时，停止循环，得到最终的深度图像自动分层层数N_auto和深度图像分割优化结果。