[發(fā)明專利]動態(tài)場景的散焦深度估計(jì)和全聚焦圖像獲取方法

有效

• 申請?zhí)枺?/td>: 201210096529.9
• 申請日: 2012-04-01
• 公開（公告）號: CN102663721A
• 公開（公告）日: 2012-09-12
• 發(fā)明（設(shè)計(jì)）人: 戴瓊海;林星;索津莉
• 申請（專利權(quán)）人: 清華大學(xué)
• 主分類號: G06T5/50
• 分類號: G06T5/50;G06T7/00
• 代理公司: 北京清亦華知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 張大威

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)視覺技術(shù)領(lǐng)域，特別涉及一種動態(tài)場景的散焦深度估計(jì)和全聚焦圖像獲取方法。

背景技術(shù)

如何從三維場景采集所成的二維圖像序列恢復(fù)場景的深度信息是計(jì)算機(jī)視覺領(lǐng)域一個重要的研究內(nèi)容。通常利用所采集到的深度線索來推測場景的深度，如基于多視角的深度估計(jì)、基于陰影的深度估計(jì)、散焦的深度估計(jì)、聚焦深度估計(jì)等等，此外還有一些方法通過向場景投射主動光的方式來估計(jì)場景的深度。

散焦深度估計(jì)自Pentland提出以來便一直受到人們的關(guān)注，主要有基于單張的散焦圖像和基于多張散焦圖像的方法。基于單張散焦圖像的散焦深度估計(jì)算法由于問題的欠定性通常不能獲得令人滿意的深度估計(jì)結(jié)果。基于多張散焦圖像的深度估計(jì)算法，主要有局部的方法和全局的方法，局部的方法如一些采用局部窗的空域或者頻域的方法通常會產(chǎn)生邊緣或者窗效應(yīng)，而一些全局的方法的算法復(fù)雜度通常比較高。傳統(tǒng)的散焦深度估計(jì)算法在求解過程通常會消除場景輻射度(全聚焦圖像)的估計(jì)而只估計(jì)場景的深度。此外，現(xiàn)有對于動態(tài)場景的散焦深度估計(jì)研究的工作相對較少的主要原因是很難采集到動態(tài)場景在某一時刻下的多張聚焦于不同深度下的散焦圖像。

發(fā)明內(nèi)容

本發(fā)明的目的旨在至少解決上述的技術(shù)問題之一。

為此，本發(fā)明的目的在于提出了一種動態(tài)場景的散焦深度估計(jì)和全聚焦圖像獲取方法，該方法能夠?qū)崿F(xiàn)動態(tài)場景的高質(zhì)量捕獲和深度信息提取，得到深度估計(jì)結(jié)果和全清晰圖像后可以進(jìn)行合成光圈、小視角自由視點(diǎn)等應(yīng)用，容易實(shí)現(xiàn)。

為達(dá)到上述目的，本發(fā)明的實(shí)施例提出了一種動態(tài)場景的散焦深度估計(jì)和全聚焦圖像獲取方法，包括以下步驟：

獲取多張散焦圖像的第一深度圖以及全局不一致的模糊核，根據(jù)所述全局不一致的模糊核對所述多張散焦圖像進(jìn)行全局不一致的去模糊化以得到初始的全聚焦圖像，并根據(jù)所述初始的全聚焦圖像和所述第一深度圖進(jìn)行反饋迭代優(yōu)化以得到每一時刻的全聚焦圖像和第二深度圖；

對所述每一時刻的全聚焦圖像進(jìn)行顏色分割以得到多個顏色分割區(qū)域，根據(jù)所述第二深度圖獲得所述每個顏色分割區(qū)域的區(qū)域深度圖，對每個所述區(qū)域深度圖進(jìn)行平面擬合以更新所述第二深度圖，并在空間上精化更新后的第二深度圖以得到第三深度圖，根據(jù)所述多張散焦圖像和所述第三深度圖進(jìn)行去模糊優(yōu)化以得到優(yōu)化的全聚焦圖像；以及

對所述優(yōu)化的全聚焦圖像進(jìn)行光流估計(jì)以得到光流估計(jì)結(jié)果，根據(jù)所述光流估計(jì)結(jié)果對所述第三深度圖進(jìn)行平滑，在時間上精化第三深度圖以得到時間一致的深度估計(jì)結(jié)果。

根據(jù)本發(fā)明實(shí)施例的動態(tài)場景的散焦深度估計(jì)和全聚焦圖像獲取方法，對于更富有挑戰(zhàn)的數(shù)據(jù)(如紋理不豐富的場景)能獲得更好的深度估計(jì)結(jié)果，并能獲得全聚焦的圖像。同時，在空間和時間上精化深度可以獲得更加精確的動態(tài)場景深度估計(jì)結(jié)果和全聚焦圖像，并能保證深度圖時間上的一致性。此外，得到深度估計(jì)結(jié)果和全清晰圖像后還可以進(jìn)行合成光圈、小視角自由視點(diǎn)等應(yīng)用。

在本發(fā)明的一個實(shí)施例中，聚焦于深度為s下的特定景深的散焦圖像為：

Ib(y)=∫Ω∈R2hσ(y,x)I(x)dx,]]>

其中，I為所述全聚焦圖像，x和y均表示二維像素坐標(biāo)，Ω∈R²表示像素坐標(biāo)x的取值范圍，h_σ(y，x)為模糊核，所述h_σ(y，x)可用高斯模型近似：