[發明專利]一種用于多視點圖像編碼的快速視差估計方法

有效

• 申請號: 201710034540.5
• 申請日: 2017-01-17
• 公開（公告）號: CN106791845B
• 公開（公告）日: 2019-06-14
• 發明（設計）人: 向北海
• 申請（專利權）人: 湖南優象科技有限公司
• 主分類號: H04N19/137
• 分類號: H04N19/137;H04N19/154;H04N19/17;H04N19/51
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 陸薇薇

1.一種用于多視點圖像編碼的快速視差估計方法，其特征在于，包括以下步驟：

S1.記同一時刻、同一場景來自兩個不同視點拍攝的圖像為F₁(x,y)和F₂(x,y)，對兩幅多視點圖像進行分塊塊匹配，每個圖像塊會得到一個運動矢量，最終得到一個的運動矢量集合；步驟S1的實現過程如下：

S1.1記同一時刻、同一場景來自兩個不同視點拍攝的圖像為F₁(x,y)和F₂(x,y)，兩圖像大小均為Wd×Hd，首先以固定尺寸15×15對圖像F₁(x,y)進行分塊，得到總數為的圖像塊，記為{k_n(x,y)|n＝1,…,Num}；

S1.2對圖像F₁(x,y)上的每個圖像塊，在另一視點圖像F₂(x,y)上，進行塊匹配，找到最相似的塊圖像；步驟S1.2的實現過程如下：

S1.2.1對于圖像F₁(x,y)上的任一圖像塊k_n(x,y)，圖像塊k_n(x,y)在圖像F₁(x,y)的中心坐標記為dot(x0,y0)；根據先驗知識設定搜索范圍cth＝10，于是在圖像F₂(x,y)上、大小為15×15、中心坐標(x,y)滿足(|x-x0|＜10,|y-y0|＜10)的圖像塊均屬于搜索范圍即屬于候選圖像塊；

S1.2.2計算圖像塊k_n(x,y)中所有像素點的灰度值的均值μ₀，

S1.2.3在圖像F₂(x,y)進行搜索時，對于每個候選圖像塊f_m(x,y)計算其中所有像素點的灰度值的均值μ_m，如果|μ_m-μ₀|＞20，說明此候選圖像塊和圖像塊k_n(x,y)不匹配，不需要再進行下一步操作；如果|μ_m-μ₀|≤20，則進行下一步操作，即通過公式1計算此候選圖像塊和圖像塊k_n(x,y)的平均絕對值誤差值：

S1.2.4按照S1.2.2至S1.2.3的匹配方法對所有候選圖像塊都處理完畢后，選擇其中最小的MAD(m)值對應的候選圖像塊f_m(x,y)作為圖像塊k_n(x,y)的匹配結果；圖像塊f_m(x,y)的中心坐標記為dot′(x1,y1)，那么從k_n(x,y)到f_m(x,y)的運動矢量(V_n_x,V_n_y)為(x1-x0,y1-y0)；

S1.2.5對圖像F₁(x,y)的所有圖像塊按照步驟S1.2.1至S1.2.4的方法進行塊匹配，每個圖像塊都會得到一個運動矢量，最終得到總數為Num的運動矢量集合{(V_n_x,V_n_y)|n＝1,…,Num}；

S2.對S1中得到的運動矢量集合進行判斷，排除其中的畸變點，也即剔除塊匹配結果中的誤匹配就得到視差估計結果；步驟S2的實現過程如下：

S2.1將S1中得到運動矢量集合{(V_n_x,V_n_y)|n＝1,…,Num}，分成兩部分：{V_n_x|n＝1,…,Num}和{V_n_y|n＝1,…,Num}；每一部分都看作是一幅行為列為的運動矢量圖形，對{V_n_x|n＝1,…,Num}和{V_n_y|n＝1,…,Num}分別進行SUSAN算子特征點檢測，將檢測得到的兩個特征點集合進行融合，得到所有的畸變點集合{(i,j)|Rx(i,j)＞0||Ry(i,j)＞0}；其中{(i,j)|Rx(i,j)＞0}是對{V_n_x|n＝1,…,Num}進行SUSAN算子特征點檢測得到的特征點集合，{(i,j)|Ry(i,j)＞0}是對{V_n_y|n＝1,…,Num}進行SUSAN算子特征點檢測得到的特征點集合，i＝1,…,Wd/15，j＝1,…,Hd/15；

S2.2圖像塊和運動矢量是一一對應的，經SUSAN算子特征點檢測出的畸變點集合對應著匹配結果不一定準確的圖像塊{k_n(x,y)|Rx(i,j)＞0||Ry(i,j)＞0,n＝1,…,Num}；刪除這些圖像塊的匹配結果，即得到一個視差估計結果。

2.根據權利要求1所述的用于多視點圖像編碼的快速視差估計方法，其特征在于，在步驟S2.1中對{V_n_x|n＝1,…,Num}和{V_n_y|n＝1,…,Num}進行SUSAN算子特征點檢測，方法如下：

S2.1.1將{V_n_x|n＝1,…,Num}寫成圖像形式{Vx(i,j)|i＝1,…,Wd/15；j＝1,…,Hd/15}，其中

S2.1.2對運動矢量圖形Vx(i,j)進行SUSAN算子特征點檢測，步驟如下：

(1)利用圓形模板遍歷圖像Vx(i,j)，計算每點處的吸收核同值區的取值；

定義圓形模板：令中心像素記為(x1,y1)，所有滿足條件(x-x1)²+(y-y1)²≤10的像素(x,y)組成的區域即為圓形模板的范圍；圓形模板大小為7×7，一共37個像素；對于運動矢量圖形Vx(i,j)的任一像素(i0,j0)，將圓形模板的中心像素放在(i0,j0)，然后計算運動矢量圖形Vx(i,j)中處于圓形模板位置里面的各像素的像素灰度值和中心像素(i0,j0)的灰度值的差異，如果一像素點的像素灰度值和中心像素(i0,j0)的灰度值間的差值小于或等于設定的相似程度的閾值th1，則該像素點屬于USAN區域；否則該像素點不屬于USAN區域；通過上述方法從而判斷像素點是否屬于USAN區域，具體公式如下：

其中th1表示相似程度的閾值，取值20；c(i,j)表示該像素點是否屬于USAN區域；

然后對運動矢量圖形Vx(i,j)中處于圓形模板位置內的所有像素點進行統計：

其中Ω表示運動矢量圖形Vx(i,j)中處于圓形模板位置內的像素點集合，u(i0,j0)即為像素(i0,j0)的USAN值；

利用圓形模板遍歷圖像Vx(i,j)的所有像素，可以得到所有像素的USAN值u(i,j)；

(2)計算所有像素的USAN值后，通過閾值化得到一個初步的特征點響應Rx(i,j)；

Rx(i,j)＝max(0,th2-u(i,j)) 公式4

其中th2表示閾值，取值28，只有當u(i,j)＜th2時，Rx(i,j)才可能大于0，也即表明該點是一個初步判定的特征點；所有Rx(i,j)大于0的像素集合為初步的特征點集合；

(3)采用非極大值抑制對初步的特征點集合進行處理，得到最終的特征點集合；

對于初步的特征點集合中的每個初步判定的特征點如(i1,j1)，觀察在以它為中心，大小5×5的領域內，是否還有其他像素點的Rx(i,j)值比Rx(i1,j1)大，如果沒有，也即Rx(i1,j1)是最大的，那么保留此特征點(i1,j1)；否則刪除此特征點(i1,j1)，也即將Rx(i,j)重置為0；對初步的特征點集合中的所有初步判定的特征點進行處理，得到運動矢量圖形Vx(i,j)的最終特征點集合{(i,j)|Rx(i,j)＞0}；

(4)用同樣的方法即步驟(1)至(3)對運動矢量圖形Vy(i,j)進行SUSAN算子特征點檢測，可以得到Vy(i,j)的最終特征點集合{(i,j)|Ry(i,j)＞0}。