[發明專利]多視點立體視頻的深度序列生成方法和裝置

有效

• 申請號: 201110227435.6
• 申請日: 2011-08-09
• 公開（公告）號: CN102271268A
• 公開（公告）日: 2011-12-07
• 發明（設計）人: 季向陽;劉瓊;戴瓊海
• 申請（專利權）人: 清華大學
• 主分類號: H04N13/00
• 分類號: H04N13/00
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 張大威

1.一種多視點立體視頻的深度序列生成方法，其特征在于，包括以下步驟：

提供多視點立體視頻序列，其中，所述多視點立體視頻序列的視點的數量為N，N為不小于2的整數；

根據所述多視點立體視頻序列構造所述多視點立體視頻序列的貝葉斯模型，并根據所述貝葉斯模型確定所述多視點立體視頻序列中每一幀圖像中每一個像素點的深度獲取方式；

根據所述深度獲取方式對相應的像素點進行深度賦值以得到所述每一幀圖像的深度圖像，其中，所述深度獲取方式包括時域預測方法、視點間預測方法和深度計算方法；和

根據所述多視點立體視頻序列的每個視點和所述每一幀圖像的采集時間對全部所述深度圖像進行整合，以得到與所述多視點立體視頻序列對應的深度序列。

2.根據權利要求1所述的深度序列生成方法，其特征在于，所述貝葉斯模型包括：

時域貝葉斯模型，所述時域貝葉斯模型為根據所述多視點立體視頻序列的同一視點下的所述每一幀圖像的獲取時間建立；以及

視點間貝葉斯模型，所述視點間貝葉斯模型為根據所述多視點立體視頻序列在同一時刻、不同視點的N個圖像間的關系建立。

3.根據權利要求2所述的深度序列生成方法，其特征在于，所述時域貝葉斯模型如下所示：

P(T|ft(x,y))=P(ft(x,y)|T)P(T)P(ft(x,y)|T)P(T)+P(ft(x,y)|T‾)P(T‾)]]>式1，

P(T‾|ft(x,y))=P(ft(x,y)|T‾)P(T‾)P(ft(x,y)|T‾)P(T‾)+P(ft(x,y)|T)P(T)]]>式2，

其中，T為表示所述多視點立體視頻序列的幀I中的像素點I_t(x，y)的深度值可通過所述時域預測方法得到的概率事件，P(T)為事件T發生的先驗概率，為表示所述I_t(x，y)的深度值不能通過所述時域預測方法得到的所述概率事件T的概率逆事件，表示事件發生的先驗概率，f_t(x，y)為像素點I_t(x，y)的時域特征參數，其中，所述(x，y)為像素點I_t(x，y)在所述幀I中的坐標，所述t為幀I的采集時間，P(f_t(x，y)|T)為事件T發生時f_t(x，y)的概率分布，為事件發生時f_t(x，y)的概率分布；

所述視點間貝葉斯模型如下所示：

P(S|fs(x,y))=P(fs(x,y)|S)P(S)P(fs(x,y)|S)P(S)+P(fs(x,y)|S‾)P(S‾)]]>式3，

P(S‾|fs(x,y))=P(fs(x,y)|S‾)P(S‾)P(fs(x,y)|S‾)P(S‾)+P(fs(x,y)|S)P(S)]]>式4，

其中，S為表示I_t(x，y)的深度值可通過所述視點間預測方法得到，為表示所述I_t(x，y)的深度值不能通過所述視點間預測方法得到的所述概率事件S的概率逆事件，f_s(x，y)為像素點I_t(x，y)的視點間特征參數，其中，P(S)為事件T出現的先驗概率。為表示所述I_t(x，y)的深度值不能通過所述時域預測方法得到的所述概率事件S的概率逆事件，表示事件發生的先驗概率。P(f_s(x，y)|S)為事件S出現時f_s(x，y)的概率分布，為事件發生時f_s(x，y)的概率分布。