[發明專利]一種基于光場傅里葉視差分層的特征檢測方法

有效

• 申請號: 202110261554.7
• 申請日: 2021-03-10
• 公開（公告）號: CN113129351B
• 公開（公告）日: 2023-08-11
• 發明（設計）人: 金海燕;張萌;肖照林
• 申請（專利權）人: 西安理工大學
• 主分類號: G06T7/557
• 分類號: G06T7/557
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 劉娜

本發明公開了一種基于光場傅里葉視差分層的特征檢測方法，解決了二維圖像只能聚焦在某一固定深度，其他深度的目標模糊不清，進而導致二維圖像特征檢測不全面和深度信息缺失的難題。與現有技術相比，本發明方法的有點在于，可以準確全面地檢測到場景各個視差層的目標物體的特征點，且檢測到的FDL_Harris特征點具有尺度不變性、旋轉不變性和視差信息，并且對亮度變化和噪聲不敏感。這些局部不變性使得檢測到的特征更加穩定和魯棒。

技術領域

本發明屬于計算機視覺和數字圖像技術領域，具體涉及一種基于光場傅里葉視差分層的特征檢測方法。

背景技術

圖像特征檢測、描述和匹配是計算機視覺任務中許多應用的基礎，例如目標識別跟蹤、三維重建、圖像拼接、缺陷檢測和姿態估計等等。圖像特征點檢測是圖像分析與識別的前提，它是將高維的圖像數據進行簡化表達最有效的方式，從一幅圖像的的數據矩陣中，很難直接提取到有用的信息，所以必須根據這些原始的圖像數據提取出圖像中的關鍵信息及它們的關系。從圖像中選取某些特征點并對圖像進行局部分析，而非觀察整幅圖像。只要圖像中有足夠多可檢測的特征點，并且這些特征點各不相同且特征穩定，能被精確地定位，針對其的應用也就十分有效。早期的二維圖像特征檢測主要集中在角點檢測上，典型的角點檢測算子有Forstner、Harris、SUSAN等。直到Lowe提出一種SIFT特征檢測算法，從圖像中提取不變特征，人們才從特征檢測就是角點檢測的思想中解放出來。之后，提出了許多快速特征檢測方法，如Fast、SURF、PCA-SIFT、ASIFT等。傳統相機拍攝的二維圖像只能聚焦在某一固定深度的場景上，而其他深度的目標會模糊。因此，傳統的二維圖像特征檢測方法不能全面檢測到場景中不同深度目標的特征。與傳統的二維圖像成像不同，四維光場成像可以描述光在三維空間中的自由分布。斯坦福大學的Levoy等人提出了一個四維光場的數學模型-雙平面模型，它使用兩個平行平面來記錄場景中的光線分布。光場雙平面模型通過記錄光線通過兩個平行平面的四維坐標來表達光線的二維位置信息和二維角度信息。光場豐富的角度信息和位置信息使得場景的深度估計變得容易。另外，在光場雙平面模型中，根據光的傳播原理，改變光場的成像平面進行數字聚焦，得到不同深度聚焦的圖像。受限于二維圖像成像的不確定性，基于四維光場圖像的特征檢測方法逐漸受到重視?；谝环N新的射線高斯核構造了光場的尺度-深度(Lisad)空間，并通過在Lisad空間中尋找極值來找到場景中的三維關鍵點。Teixeira等人提出了一種基于光場EPI線檢測的三維關鍵點檢測方法。斯坦福大學的Donald等人介紹了一種從四維光場中提取特征曲線的紋理互相關技術，并提出了一種基于4D平面擬合和斜率一致性來區分折射和朗伯特征的方法。另外，Donald等人還提出了一種四維光場的特征檢測器和描述符：LIFF，它具有尺度不變性和對視角變化的魯棒性，但是深度空間的離散化意味著平均劃分的深度不一定正好對應到場景中目標的深度，進而會導致特征檢測的不全面。

發明內容

本發明的目的是提供一種基于光場傅里葉視差分層的特征檢測方法，解決了二維圖像特征檢測不全面、深度信息缺失的問題。

本發明所采用的技術方案是，一種基于光場傅里葉視差分層的特征檢測方法，具體按照以下步驟實施：

步驟1、定義傅里葉視差層模型的層數k，根據四維光場圖像LF(x,y,u,v)將場景分解成三維的傅里葉視差層模型FDL(w_x,w_y,k)；

步驟2、使用傅里葉逆變換將傅里葉視差層模型FDL(w_x,w_y,k)從頻率域轉換到空間域，構建光場圖像的視差空間DS(x,y,k)；

步驟3、在視差空間DS(x,y,k)的基礎上，引入高斯尺度空間G(x,y,σ)，生成四維的尺度-視差空間SDS(x,y,k,σ)；

步驟4、在尺度-視差空間SDS(x,y,k,σ)中，使用具有旋轉不變性的Harris角點檢測算子進行特征檢測，獲取FDL_Harris角點；